WO2024029850A1 - 언어 모델에 기초하여 사용자 발화를 처리하는 방법 및 전자 장치 - Google Patents

언어 모델에 기초하여 사용자 발화를 처리하는 방법 및 전자 장치 Download PDF

Info

Publication number
WO2024029850A1
WO2024029850A1 PCT/KR2023/011011 KR2023011011W WO2024029850A1 WO 2024029850 A1 WO2024029850 A1 WO 2024029850A1 KR 2023011011 W KR2023011011 W KR 2023011011W WO 2024029850 A1 WO2024029850 A1 WO 2024029850A1
Authority
WO
WIPO (PCT)
Prior art keywords
electronic device
processor
ambiguity
utterance
user
Prior art date
Application number
PCT/KR2023/011011
Other languages
English (en)
French (fr)
Inventor
박상민
김경태
Original Assignee
삼성전자주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority claimed from KR1020220113527A external-priority patent/KR20240020141A/ko
Application filed by 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to US18/407,347 priority Critical patent/US20240143920A1/en
Publication of WO2024029850A1 publication Critical patent/WO2024029850A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/205—Parsing
    • G06F40/226—Validation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/26—Speech to text systems
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/18—Speech classification or search using natural language modelling
    • G10L15/1822—Parsing for meaning understanding

Definitions

  • One embodiment of the present invention relates to a method and electronic device for processing user speech based on a language model.
  • a variety of electronic devices equipped with a voice assistant function that provides services based on user utterances are becoming popular.
  • Electronic devices can recognize the user's utterances and determine the meaning and intention of the utterances through an artificial intelligence server.
  • the artificial intelligence server can interpret the user's utterances to infer the user's intention and perform tasks according to the inferred intention.
  • the artificial intelligence server can perform tasks according to the user's intent expressed through natural language interaction between the user and the artificial intelligence server.
  • an artificial intelligence server classifying a user's intention to perform a task can be performed using a neural network-based model.
  • Neural network-based classification models may require many training utterances.
  • An electronic device includes a memory including instructions; and a processor electrically connected to the memory and configured to execute the instructions.
  • the processor may convert the utterance into text data.
  • the processor may obtain a plurality of ambiguity index values from the text data based on each of a plurality of ambiguity verification modules including a language model.
  • the processor may provide a response to the user based on the plurality of ambiguity index values.
  • a method of operating an electronic device may include converting speech into text data.
  • the method of operating the electronic device may include obtaining a plurality of ambiguity index values from the text data based on each of a plurality of ambiguity verification modules including a language model.
  • the method of operating the electronic device may include providing a response to the user based on the plurality of ambiguity index values.
  • An electronic device includes a memory including instructions; and a processor electrically connected to the memory and configured to execute the instructions.
  • the processor may convert the utterance into text data.
  • the processor may obtain a ambiguity index value from the text data based on a ambiguity verification module including a basic language model.
  • the processor may provide a response to the user based on the ambiguity index value.
  • a method of operating an electronic device may include converting speech into text data.
  • the method of operating the electronic device may include obtaining a ambiguity index value from the text data based on each ambiguity verification module including a basic language model.
  • the method of operating the electronic device may include providing a response to the user based on the ambiguity index value.
  • FIG. 1 is a block diagram of an electronic device in a network environment, according to one embodiment.
  • Figure 2 is a block diagram showing an integrated intelligence system according to an embodiment.
  • Figure 3 is a diagram showing how relationship information between concepts and actions is stored in a database, according to an embodiment.
  • Figure 4 is a diagram illustrating a screen on which an electronic device processes voice input received through an intelligent app, according to one embodiment.
  • FIG. 5 is a diagram illustrating an operation in which an electronic device processes a user's speech, according to an embodiment.
  • Figure 6 is a schematic block diagram of an electronic device, according to one embodiment.
  • FIGS. 7A and 7B are examples for explaining an operation in which an electronic device processes a user's utterance, according to an embodiment.
  • FIGS. 8A and 8B are examples for explaining an operation in which an electronic device processes a user's utterance, according to an embodiment.
  • Figure 9 shows a flowchart of a method of operating an electronic device, according to one embodiment.
  • Figure 10 shows a flowchart of a method of operating an electronic device, according to one embodiment.
  • FIG. 1 is a block diagram of an electronic device 101 in a network environment 100, according to one embodiment.
  • the electronic device 101 communicates with the electronic device 102 through a first network 198 (e.g., a short-range wireless communication network), or through a second network 199 (for example, a long-distance wireless communication network) may be used to communicate with at least one of the electronic device 104 or the server 108.
  • the electronic device 101 may communicate with the electronic device 104 through the server 108.
  • the electronic device 101 includes a processor 120, a memory 130, an input module 150, an audio output module 155, a display module 160, an audio module 170, and a sensor module ( 176), interface 177, connection terminal 178, haptic module 179, camera module 180, power management module 188, battery 189, communication module 190, subscriber identification module 196 , or may include an antenna module 197.
  • at least one of these components eg, the connection terminal 178) may be omitted or one or more other components may be added to the electronic device 101.
  • some of these components e.g., sensor module 176, camera module 180, or antenna module 197) are integrated into one component (e.g., display module 160). It can be.
  • the processor 120 for example, executes software (e.g., program 140) to operate at least one other component (e.g., hardware or software component) of the electronic device 101 connected to the processor 120. It can be controlled and various data processing or calculations can be performed. According to one embodiment, as at least part of data processing or computation, the processor 120 stores commands or data received from another component (e.g., sensor module 176 or communication module 190) in volatile memory 132. The commands or data stored in the volatile memory 132 can be processed, and the resulting data can be stored in the non-volatile memory 134.
  • software e.g., program 140
  • the processor 120 stores commands or data received from another component (e.g., sensor module 176 or communication module 190) in volatile memory 132.
  • the commands or data stored in the volatile memory 132 can be processed, and the resulting data can be stored in the non-volatile memory 134.
  • the processor 120 includes a main processor 121 (e.g., a central processing unit or an application processor) or an auxiliary processor 123 that can operate independently or together (e.g., a graphics processing unit, a neural network processing unit ( It may include a neural processing unit (NPU), an image signal processor, a sensor hub processor, or a communication processor).
  • a main processor 121 e.g., a central processing unit or an application processor
  • auxiliary processor 123 e.g., a graphics processing unit, a neural network processing unit ( It may include a neural processing unit (NPU), an image signal processor, a sensor hub processor, or a communication processor.
  • the electronic device 101 includes a main processor 121 and a secondary processor 123
  • the secondary processor 123 may be set to use lower power than the main processor 121 or be specialized for a designated function. You can.
  • the auxiliary processor 123 may be implemented separately from the main processor 121 or as part of it.
  • the auxiliary processor 123 may, for example, act on behalf of the main processor 121 while the main processor 121 is in an inactive (e.g., sleep) state, or while the main processor 121 is in an active (e.g., application execution) state. ), together with the main processor 121, at least one of the components of the electronic device 101 (e.g., the display module 160, the sensor module 176, or the communication module 190) At least some of the functions or states related to can be controlled.
  • co-processor 123 e.g., image signal processor or communication processor
  • may be implemented as part of another functionally related component e.g., camera module 180 or communication module 190. there is.
  • the auxiliary processor 123 may include a hardware structure specialized for processing artificial intelligence models.
  • Artificial intelligence models can be created through machine learning. For example, such learning may be performed in the electronic device 101 itself on which the artificial intelligence model is performed, or may be performed through a separate server (e.g., server 108).
  • Learning algorithms may include, for example, supervised learning, unsupervised learning, semi-supervised learning, or reinforcement learning, but It is not limited.
  • An artificial intelligence model may include multiple artificial neural network layers.
  • Artificial neural networks include deep neural network (DNN), convolutional neural network (CNN), recurrent neural network (RNN), restricted boltzmann machine (RBM), belief deep network (DBN), bidirectional recurrent deep neural network (BRDNN), It may be one of deep Q-networks or a combination of two or more of the above, but is not limited to the examples described above.
  • artificial intelligence models may additionally or alternatively include software structures.
  • the memory 130 may store various data used by at least one component (eg, the processor 120 or the sensor module 176) of the electronic device 101. Data may include, for example, input data or output data for software (e.g., program 140) and instructions related thereto.
  • Memory 130 may include volatile memory 132 or non-volatile memory 134.
  • the program 140 may be stored as software in the memory 130 and may include, for example, an operating system 142, middleware 144, or application 146.
  • the input module 150 may receive commands or data to be used in a component of the electronic device 101 (e.g., the processor 120) from outside the electronic device 101 (e.g., a user).
  • the input module 150 may include, for example, a microphone, mouse, keyboard, keys (eg, buttons), or digital pen (eg, stylus pen).
  • the sound output module 155 may output sound signals to the outside of the electronic device 101.
  • the sound output module 155 may include, for example, a speaker or a receiver. Speakers can be used for general purposes such as multimedia playback or recording playback.
  • the receiver can be used to receive incoming calls. According to one embodiment, the receiver may be implemented separately from the speaker or as part of it.
  • the display module 160 can visually provide information to the outside of the electronic device 101 (eg, a user).
  • the display module 160 may include, for example, a display, a hologram device, or a projector, and a control circuit for controlling the device.
  • the display module 160 may include a touch sensor configured to detect a touch, or a pressure sensor configured to measure the intensity of force generated by the touch.
  • the audio module 170 can convert sound into an electrical signal or, conversely, convert an electrical signal into sound. According to one embodiment, the audio module 170 acquires sound through the input module 150, the sound output module 155, or an external electronic device (e.g., directly or wirelessly connected to the electronic device 101). Sound may be output through the electronic device 102 (e.g., speaker or headphone).
  • the electronic device 102 e.g., speaker or headphone
  • the sensor module 176 detects the operating state (e.g., power or temperature) of the electronic device 101 or the external environmental state (e.g., user state) and generates an electrical signal or data value corresponding to the detected state. can do.
  • the sensor module 176 includes, for example, a gesture sensor, a gyro sensor, an air pressure sensor, a magnetic sensor, an acceleration sensor, a grip sensor, a proximity sensor, a color sensor, an IR (infrared) sensor, a biometric sensor, It may include a temperature sensor, humidity sensor, or light sensor.
  • the interface 177 may support one or more designated protocols that can be used to connect the electronic device 101 directly or wirelessly with an external electronic device (eg, the electronic device 102).
  • the interface 177 may include, for example, a high definition multimedia interface (HDMI), a universal serial bus (USB) interface, an SD card interface, or an audio interface.
  • HDMI high definition multimedia interface
  • USB universal serial bus
  • SD card interface Secure Digital Card interface
  • audio interface audio interface
  • connection terminal 178 may include a connector through which the electronic device 101 can be physically connected to an external electronic device (eg, the electronic device 102).
  • the connection terminal 178 may include, for example, an HDMI connector, a USB connector, an SD card connector, or an audio connector (eg, a headphone connector).
  • the haptic module 179 can convert electrical signals into mechanical stimulation (e.g., vibration or movement) or electrical stimulation that the user can perceive through tactile or kinesthetic senses.
  • the haptic module 179 may include, for example, a motor, a piezoelectric element, or an electrical stimulation device.
  • the camera module 180 can capture still images and moving images.
  • the camera module 180 may include one or more lenses, image sensors, image signal processors, or flashes.
  • the power management module 188 can manage power supplied to the electronic device 101.
  • the power management module 188 may be implemented as at least a part of, for example, a power management integrated circuit (PMIC).
  • PMIC power management integrated circuit
  • the battery 189 may supply power to at least one component of the electronic device 101.
  • the battery 189 may include, for example, a non-rechargeable primary battery, a rechargeable secondary battery, or a fuel cell.
  • Communication module 190 is configured to provide a direct (e.g., wired) communication channel or wireless communication channel between electronic device 101 and an external electronic device (e.g., electronic device 102, electronic device 104, or server 108). It can support establishment and communication through established communication channels. Communication module 190 operates independently of processor 120 (e.g., an application processor) and may include one or more communication processors that support direct (e.g., wired) communication or wireless communication.
  • processor 120 e.g., an application processor
  • the communication module 190 is a wireless communication module 192 (e.g., a cellular communication module, a short-range wireless communication module, or a global navigation satellite system (GNSS) communication module) or a wired communication module 194 (e.g., : LAN (local area network) communication module, or power line communication module) may be included.
  • a wireless communication module 192 e.g., a cellular communication module, a short-range wireless communication module, or a global navigation satellite system (GNSS) communication module
  • GNSS global navigation satellite system
  • wired communication module 194 e.g., : LAN (local area network) communication module, or power line communication module
  • the corresponding communication module is a first network 198 (e.g., a short-range communication network such as Bluetooth, wireless fidelity (WiFi) direct, or infrared data association (IrDA)) or a second network 199 (e.g., legacy It may communicate with an external electronic device 104 through a telecommunication network such as a cellular network, a 5G network, a next-generation communication network, the Internet, or a computer network (e.g., LAN or WAN).
  • a telecommunication network such as a cellular network, a 5G network, a next-generation communication network, the Internet, or a computer network (e.g., LAN or WAN).
  • a telecommunication network such as a cellular network, a 5G network, a next-generation communication network, the Internet, or a computer network (e.g., LAN or WAN).
  • a telecommunication network such as a cellular network, a 5G network, a next-generation communication network
  • the wireless communication module 192 uses subscriber information (e.g., International Mobile Subscriber Identifier (IMSI)) stored in the subscriber identification module 196 within a communication network such as the first network 198 or the second network 199.
  • subscriber information e.g., International Mobile Subscriber Identifier (IMSI)
  • IMSI International Mobile Subscriber Identifier
  • the wireless communication module 192 may support 5G networks after 4G networks and next-generation communication technologies, for example, NR access technology (new radio access technology).
  • NR access technology provides high-speed transmission of high-capacity data (eMBB (enhanced mobile broadband)), minimization of terminal power and access to multiple terminals (mMTC (massive machine type communications)), or high reliability and low latency (URLLC (ultra-reliable and low latency). -latency communications)) can be supported.
  • the wireless communication module 192 may support high frequency bands (eg, mmWave bands), for example, to achieve high data rates.
  • the wireless communication module 192 uses various technologies to secure performance in high frequency bands, for example, beamforming, massive array multiple-input and multiple-output (MIMO), and full-dimensional multiplexing. It can support technologies such as input/output (FD-MIMO: full dimensional MIMO), array antenna, analog beam-forming, or large scale antenna.
  • the wireless communication module 192 may support various requirements specified in the electronic device 101, an external electronic device (e.g., electronic device 104), or a network system (e.g., second network 199).
  • the wireless communication module 192 supports Peak data rate (e.g., 20 Gbps or more) for realizing eMBB, loss coverage (e.g., 164 dB or less) for realizing mmTC, or U-plane latency (e.g., 164 dB or less) for realizing URLLC.
  • Peak data rate e.g., 20 Gbps or more
  • loss coverage e.g., 164 dB or less
  • U-plane latency e.g., 164 dB or less
  • the antenna module 197 may transmit or receive signals or power to or from the outside (eg, an external electronic device).
  • the antenna module 197 may include an antenna including a radiator made of a conductor or a conductive pattern formed on a substrate (eg, PCB).
  • the antenna module 197 may include a plurality of antennas (eg, an array antenna). In this case, at least one antenna suitable for a communication method used in a communication network such as the first network 198 or the second network 199 is connected to the plurality of antennas by, for example, the communication module 190. can be selected Signals or power may be transmitted or received between the communication module 190 and an external electronic device through the at least one selected antenna.
  • other components eg, radio frequency integrated circuit (RFIC) may be additionally formed as part of the antenna module 197.
  • RFIC radio frequency integrated circuit
  • the antenna module 197 may form a mmWave antenna module.
  • a mmWave antenna module includes: a printed circuit board, an RFIC disposed on or adjacent to a first side (e.g., bottom side) of the printed circuit board and capable of supporting a designated high frequency band (e.g., mmWave band); And a plurality of antennas (e.g., array antennas) disposed on or adjacent to the second side (e.g., top or side) of the printed circuit board and capable of transmitting or receiving signals in the designated high frequency band. can do.
  • a mmWave antenna module includes: a printed circuit board, an RFIC disposed on or adjacent to a first side (e.g., bottom side) of the printed circuit board and capable of supporting a designated high frequency band (e.g., mmWave band); And a plurality of antennas (e.g., array antennas) disposed on or adjacent to the second side (e.g., top or side)
  • peripheral devices e.g., bus, general purpose input and output (GPIO), serial peripheral interface (SPI), or mobile industry processor interface (MIPI)
  • signal e.g. commands or data
  • commands or data may be transmitted or received between the electronic device 101 and the external electronic device 104 through the server 108 connected to the second network 199.
  • Each of the external electronic devices 102 or 104 may be of the same or different type as the electronic device 101.
  • all or part of the operations performed in the electronic device 101 may be executed in one or more of the external electronic devices 102, 104, or 108.
  • the electronic device 101 may perform the function or service instead of executing the function or service on its own.
  • one or more external electronic devices may be requested to perform at least part of the function or service.
  • One or more external electronic devices that have received the request may execute at least part of the requested function or service, or an additional function or service related to the request, and transmit the result of the execution to the electronic device 101.
  • the electronic device 101 may process the result as is or additionally and provide it as at least part of a response to the request.
  • cloud computing distributed computing, mobile edge computing (MEC), or client-server computing technology can be used.
  • the electronic device 101 may provide an ultra-low latency service using, for example, distributed computing or mobile edge computing.
  • the external electronic device 104 may include an Internet of Things (IoT) device.
  • Server 108 may be an intelligent server using machine learning and/or neural networks.
  • the external electronic device 104 or server 108 may be included in the second network 199.
  • the electronic device 101 may be applied to intelligent services (e.g., smart home, smart city, smart car, or healthcare) based on 5G communication technology and IoT-related technology.
  • the integrated intelligent system 20 of one embodiment includes an electronic device 201 (e.g., the electronic device 101 in FIG. 1) and an intelligent server 200 (e.g., the server 108 in FIG. 1). , and a service server 300 (eg, server 108 in FIG. 1).
  • the electronic device 201 of one embodiment may be a terminal device (or electronic device) capable of connecting to the Internet, for example, a mobile phone, a smartphone, a personal digital assistant (PDA), a laptop computer, a TV, a white appliance, It could be a wearable device, HMD, or smart speaker.
  • a terminal device or electronic device capable of connecting to the Internet
  • PDA personal digital assistant
  • TV TV
  • white appliance TV
  • HMD smart speaker
  • the electronic device 201 includes a communication interface 202 (e.g., interface 177 in FIG. 1), a microphone 206 (e.g., input module 150 in FIG. 1), and a speaker 205. ) (e.g., audio output module 155 in FIG. 1), display module 204 (e.g., display module 160 in FIG. 1), memory 207 (e.g., memory 130 in FIG. 1), or It may include a processor 203 (eg, processor 120 of FIG. 1).
  • the components listed above may be operatively or electrically connected to each other.
  • the communication interface 202 in one embodiment may be configured to connect to an external device to transmit and receive data.
  • the microphone 206 in one embodiment may receive sound (eg, a user's speech) and convert it into an electrical signal.
  • the speaker 205 in one embodiment may output an electrical signal as sound (eg, voice).
  • Display module 204 in one embodiment may be configured to display images or video.
  • the display module 204 of one embodiment may also display a graphic user interface (GUI) of an app (or application program) that is being executed.
  • GUI graphic user interface
  • the display module 204 in one embodiment may receive a touch input through a touch sensor.
  • the display module 204 may receive text input through a touch sensor in the on-screen keyboard area displayed within the display module 204.
  • the memory 207 in one embodiment may store a client module 209, a software development kit (SDK) 208, and a plurality of apps 211.
  • the client module 209 and SDK 208 may form a framework (or solution program) for performing general functions. Additionally, the client module 209 or SDK 208 may configure a framework for processing user input (eg, voice input, text input, touch input).
  • the plurality of apps 211 stored in the memory 207 of one embodiment may be programs for performing designated functions.
  • the plurality of apps 211 may include a first app 211_1 and a second app 211_2.
  • each of the plurality of apps 211 may include a plurality of operations to perform a designated function.
  • the apps may include an alarm app, a messaging app, and/or a schedule app.
  • the plurality of apps 211 are executed by the processor 203 to sequentially execute at least some of the plurality of operations.
  • the processor 203 in one embodiment may control the overall operation of the electronic device 201.
  • the processor 203 may be electrically connected to the communication interface 202, microphone 206, speaker 205, and display module 204 to perform designated operations.
  • the processor 203 of one embodiment may also execute a program stored in the memory 207 to perform a designated function.
  • the processor 203 may execute at least one of the client module 209 or the SDK 208 and perform the following operations to process user input.
  • the processor 203 may control the operation of the plurality of apps 211 through the SDK 208, for example.
  • the following operations described as operations of the client module 209 or SDK 208 may be operations performed by the processor 203.
  • the client module 209 in one embodiment may receive user input.
  • the client module 209 may receive a voice signal corresponding to a user utterance detected through the microphone 206.
  • the client module 209 may receive a touch input detected through the display module 204.
  • the client module 209 may receive text input detected through a keyboard or visual keyboard.
  • various types of user inputs detected through an input module included in the electronic device 201 or connected to the electronic device 201 can be received.
  • the client module 209 may transmit the received user input to the intelligent server 200.
  • the client module 209 may transmit status information of the electronic device 201 to the intelligent server 200 along with the received user input.
  • the status information may be, for example, execution status information of an app.
  • the client module 209 of one embodiment may receive a result corresponding to the received user input. For example, if the intelligent server 200 can calculate a result corresponding to the received user input, the client module 209 may receive a result corresponding to the received user input. The client module 209 may display the received results on the display module 204. Additionally, the client module 209 may output the received result as audio through the speaker 205.
  • the client module 209 of one embodiment may receive a plan corresponding to the received user input.
  • the client module 209 can display the results of executing multiple operations of the app according to the plan on the display module 204.
  • the client module 209 may sequentially display execution results of a plurality of operations on the display module 204 and output audio through the speaker 205.
  • the electronic device 201 may display only some results of executing a plurality of operations (e.g., the result of the last operation) on the display module 204 and output audio through the speaker 205. You can.
  • the client module 209 may receive a request to obtain information necessary to calculate a result corresponding to the user input from the intelligent server 200. According to one embodiment, the client module 209 may transmit the necessary information to the intelligent server 200 in response to the request.
  • the client module 209 in one embodiment may transmit information as a result of executing a plurality of operations according to the plan to the intelligent server 200.
  • the intelligent server 200 can use the result information to confirm that the received user input has been processed correctly.
  • the client module 209 in one embodiment may include a voice recognition module. According to one embodiment, the client module 209 can recognize voice input that performs a limited function through the voice recognition module. For example, the client module 209 may run an intelligent app to process voice input to perform an organic action through a designated input (e.g., wake up!).
  • the intelligent server 200 in one embodiment may receive information related to the user's voice input from the electronic device 201 through the communication network 290. According to one embodiment, the intelligent server 200 may change data related to the received voice input into text data. According to one embodiment, the intelligent server 200 may generate a plan for performing a task corresponding to the user's voice input based on the text data.
  • the plan may be generated by an artificial intelligence (AI) system.
  • An artificial intelligence system may be a rule-based system or a neural network-based system (e.g., a feedforward neural network (FNN), a recurrent neural network (RNN)). ))) It could be. Alternatively, it may be a combination of the above or a different artificial intelligence system.
  • a plan may be selected from a set of predefined plans or may be generated in real time in response to a user request. For example, an artificial intelligence system can select at least one plan from a plurality of predefined plans.
  • the intelligent server 200 of one embodiment may transmit a result according to the generated plan to the electronic device 201 or transmit the generated plan to the electronic device 201.
  • the electronic device 201 may display the results according to the plan on the display module 204.
  • the electronic device 201 may display the results of executing an operation according to the plan on the display module 204.
  • the intelligent server 200 of one embodiment includes a front end 210, a natural language platform 220, a capsule DB 230, an execution engine 240, It may include an end user interface (250), a management platform (260), a big data platform (270), and/or an analytic platform (280). there is.
  • the front end 210 of one embodiment may receive user input received from the electronic device 201.
  • the front end 210 may transmit a response corresponding to the user input.
  • the natural language platform 220 includes an automatic speech recognition module (ASR module) 221, a natural language understanding module (NLU module) 223, and a planner module (223). It may include a planner module (225), a natural language generator module (NLG module) (227), or a text to speech module (TTS module) (229).
  • ASR module automatic speech recognition module
  • NLU module natural language understanding module
  • TTS module text to speech module
  • the automatic voice recognition module 221 of one embodiment may convert data related to voice input received from the electronic device 201 into text data.
  • the natural language understanding module 223 in one embodiment may determine the user's intention using text data of voice input. For example, the natural language understanding module 223 may determine the user's intention by performing syntactic analysis or semantic analysis on user input in the form of text data.
  • the natural language understanding module 223 in one embodiment uses linguistic features (e.g., grammatical elements) of morphemes or phrases to determine the meaning of words extracted from user input, and matches the meaning of the identified words to the user's intent. You can determine your intention.
  • “word” may refer to a single word or multiple words (e.g., phrases).
  • the natural language understanding module 223 can acquire intent information corresponding to the user's utterance.
  • Intention information may be information indicating the user's intention determined by interpreting text data.
  • Intent information may include information indicating an action or function that the user wishes to perform using the device.
  • the planner module 225 in one embodiment may generate a plan using the intent and parameters determined by the natural language understanding module 223. According to one embodiment, the planner module 225 may determine a plurality of domains required to perform the task based on the determined intention. The planner module 225 may determine a plurality of operations included in each of the plurality of domains determined based on the intention. According to one embodiment, the planner module 225 may determine parameters required to execute the determined plurality of operations or result values output by executing the plurality of operations. The parameters and the result values may be defined as concepts of a specified type (or class). Accordingly, the plan may include a plurality of operations and a plurality of concepts determined by the user's intention.
  • the planner module 225 may determine the relationship between the plurality of operations and the plurality of concepts in a stepwise (or hierarchical) manner. For example, the planner module 225 may determine the execution order of a plurality of operations determined based on the user's intention based on a plurality of concepts. In other words, the planner module 225 may determine the execution order of the plurality of operations based on the parameters required for execution of the plurality of operations and the results output by executing the plurality of operations. Accordingly, the planner module 225 may generate a plan that includes association information (eg, ontology) between a plurality of operations and a plurality of concepts. The planner module 225 can create a plan using information stored in the capsule database 230, which stores a set of relationships between concepts and operations.
  • association information eg, ontology
  • the natural language generation module 227 of one embodiment may change specified information into text form.
  • the information changed to the text form may be in the form of natural language speech.
  • the text-to-speech conversion module 229 in one embodiment can change information in text form into information in voice form.
  • some or all of the functions of the natural language platform 220 may be implemented in the electronic device 201.
  • the capsule database 230 may store information about the relationship between a plurality of concepts and operations corresponding to a plurality of domains.
  • a capsule may include a plurality of action objects (action objects or action information) and concept objects (concept objects or concept information) included in the plan.
  • the capsule database 230 may store a plurality of capsules in the form of CAN (concept action network).
  • a plurality of capsules may be stored in a function registry included in the capsule database 230.
  • the capsule database 230 may include a strategy registry in which strategy information necessary for determining a plan corresponding to a voice input is stored.
  • the strategy information may include standard information for determining one plan when there are multiple plans corresponding to user input.
  • the capsule database 230 may include a follow up registry in which information on follow-up actions is stored to suggest follow-up actions to the user in a specified situation.
  • the follow-up action may include, for example, follow-up speech.
  • the capsule database 230 may include a layout registry that stores layout information of information output through the electronic device 201.
  • the capsule database 230 may include a vocabulary registry where vocabulary information included in capsule information is stored.
  • the capsule database 230 may include a dialogue registry in which information about dialogue (or interaction) with a user is stored.
  • the capsule database 230 can update stored objects through a developer tool.
  • the developer tool may include, for example, a function editor for updating operation objects or concept objects.
  • the developer tool may include a vocabulary editor for updating the vocabulary.
  • the developer tool may include a strategy editor that creates and registers a strategy for determining the plan.
  • the developer tool may include a dialogue editor that creates a dialogue with the user.
  • the developer tool may include a follow up editor that can edit follow-up utterances to activate follow-up goals and provide hints. The subsequent goal may be determined based on currently set goals, user preferences, or environmental conditions.
  • the capsule database 230 may also be implemented within the electronic device 201.
  • the execution engine 240 of one embodiment may calculate a result using the generated plan.
  • the end user interface 250 may transmit the calculated result to the electronic device 201. Accordingly, the electronic device 201 may receive the result and provide the received result to the user.
  • the management platform 260 of one embodiment can manage information used in the intelligent server 200.
  • the big data platform 270 in one embodiment may collect user data.
  • the analysis platform 280 of one embodiment may manage quality of service (QoS) of the intelligent server 200. For example, the analytics platform 280 can manage the components and processing speed (or efficiency) of the intelligent server 200.
  • QoS quality of service
  • the service server 300 in one embodiment may provide a designated service (eg, food ordering or hotel reservation) to the electronic device 201.
  • the service server 300 may be a server operated by a third party. Services of the service server 300, such as CP service A (301), CP service B (302), and CP service C (303), may interface with the front end 210 of the intelligent server 200, for example.
  • the service server 300 in one embodiment may provide the intelligent server 200 with information for creating a plan corresponding to the received user input. The provided information may be stored in the capsule database 230. Additionally, the service server 300 may provide result information according to the plan to the intelligent server 200.
  • the electronic device 201 can provide various intelligent services to the user in response to user input.
  • the user input may include, for example, input through a physical button, touch input, or voice input.
  • the electronic device 201 may provide a voice recognition service through an internally stored intelligent app (or voice recognition app). In this case, for example, the electronic device 201 may recognize a user utterance or voice input received through the microphone and provide a service corresponding to the recognized voice input to the user. .
  • the electronic device 201 may perform a designated operation alone or together with the intelligent server and/or service server based on the received voice input. For example, the electronic device 201 may run an app corresponding to a received voice input and perform a designated operation through the executed app.
  • the electronic device 201 when the electronic device 201 provides a service together with the intelligent server 200 and/or the service server 300, the electronic device 201 uses the microphone 206 to It is possible to detect an utterance and generate a signal (or voice data) corresponding to the detected user utterance.
  • the electronic device 201 may transmit the voice data to the intelligent server 200 using the communication interface 202.
  • the intelligent server 200 In response to a voice input received from the electronic device 201, the intelligent server 200 according to one embodiment provides a plan for performing a task corresponding to the voice input, or an operation according to the plan. can produce results.
  • the plan may include, for example, a plurality of operations for performing a task corresponding to a user's voice input, and a plurality of concepts related to the plurality of operations.
  • the concept may define parameters input to the execution of the plurality of operations or result values output by the execution of the plurality of operations.
  • the plan may include association information between a plurality of operations and a plurality of concepts.
  • the electronic device 201 in one embodiment may receive the response using the communication interface 202.
  • the electronic device 201 uses the speaker 205 to output a voice signal generated inside the electronic device 201 to the outside, or uses the display module 204 to output an image generated inside the electronic device 201. It can be output externally.
  • FIG. 3 is a diagram showing how relationship information between concepts and operations is stored in a database, according to various embodiments.
  • the capsule database (e.g., capsule database 230 of FIG. 2) of the intelligent server (e.g., intelligent server 200 of FIG. 2) may store capsules in the form of a CAN (concept action network) 400.
  • the capsule database may store operations for processing tasks corresponding to the user's voice input, and parameters necessary for the operations in CAN (concept action network) format.
  • the capsule database may store a plurality of capsules (capsule(A) 401, capsule(B) 404) corresponding to each of a plurality of domains (eg, applications).
  • one capsule eg, capsule(A) 401
  • one domain eg, location (geo), application
  • one capsule may be associated with at least one service provider (eg, CP 1 (402) or CP 2 (403)) to perform functions for a domain related to the capsule.
  • one capsule may include at least one operation 410 and at least one concept 420 for performing a designated function.
  • CAN 400 may store other information such as CP 3 406.
  • capsule B (404) may correspond to a service provider (eg, CP 4 (405)).
  • the natural language platform may generate a plan for performing a task corresponding to the received voice input using capsules stored in the capsule database.
  • the planner module of the natural language platform e.g., planner module 225 in FIG. 2
  • create a plan 407 using the operations 4011, 4013 and concepts 4012, 4014 of capsule A 401 and the operations 4041 and concepts 4042 of capsule B 404. can do.
  • FIG. 4 is a diagram illustrating a screen on which an electronic device processes voice input received through an intelligent app according to various embodiments.
  • the electronic device 201 may run an intelligent app to process user input through an intelligent server (e.g., intelligent server 200 in FIG. 2).
  • an intelligent server e.g., intelligent server 200 in FIG. 2.
  • the electronic device 201 processes the voice input.
  • the electronic device 201 displays an object (e.g., an icon) 311 corresponding to an intelligent app in the display module 204 (e.g., the display module 160 in FIG. 1, the display module in FIG. 2 (e.g., 204))).
  • the electronic device 201 may receive voice input from a user's utterance.
  • the electronic device 201 may receive a voice input saying “Tell me this week’s schedule!”
  • the electronic device 201 may display a user interface (UI) 313 (e.g., input window) of an intelligent app displaying text data of a received voice input on the display module 204.
  • UI user interface
  • the electronic device 201 may display a result corresponding to the received voice input on the display module 204.
  • the electronic device 201 may receive a plan corresponding to the received user input and display 'this week's schedule' on the display module 204 according to the plan.
  • FIG. 5 is a diagram illustrating an operation in which an electronic device processes a user's speech, according to an embodiment.
  • the electronic device 501 may include at least some of the components of the electronic device 101 described with reference to FIG. 1 and the electronic device 201 described with reference to FIG. 2. there is.
  • the intelligent server 601 may include at least some of the components of the intelligent server 200 described with reference to FIG. 2 .
  • the electronic device 501 and the intelligent server 601 descriptions that overlap with those described with reference to FIGS. 1 to 4 will be omitted.
  • the electronic device 501 e.g., the electronic device 101 in FIG. 1 or the electronic device 201 in FIG. 2 and the intelligent server 601 (e.g., the intelligent server 200 in FIG. 2) are connected to a local area network.
  • a communication network 502 such as an area network (LAN), a wide area network (WAN), a value added network (VAN), a mobile radio communication network, a satellite communication network, or a combination thereof.
  • the electronic device 501 and the intelligent server 601 may use a wired communication method or a wireless communication method (e.g., wireless LAN (Wi-Fi), Bluetooth, Bluetooth low energy, ZigBee, WFD (Wi-Fi), Fi Direct), UWB (ultra wide band), infrared communication (IrDA, infrared data association), and NFC (near field communication) can communicate with each other.
  • a wireless communication method e.g., wireless LAN (Wi-Fi), Bluetooth, Bluetooth low energy, ZigBee, WFD (Wi-Fi), Fi Direct), UWB (ultra wide band), infrared communication (IrDA, infrared data association), and NFC (near field communication) can communicate with each other.
  • the electronic device 501 includes a smartphone, a tablet personal computer, a mobile phone, a speaker (e.g., an AI speaker), a video phone, and an e-book reader (e- book reader, desktop personal computer, laptop personal computer, netbook computer, workstation, server, personal digital assistant (PDA), portable multimedia player (PMP), MP3 It may be implemented as at least one of a player, a mobile medical device, a camera, or a wearable device.
  • a speaker e.g., an AI speaker
  • a video phone e.g., a video phone
  • an e-book reader e- book reader, desktop personal computer, laptop personal computer, netbook computer, workstation, server, personal digital assistant (PDA), portable multimedia player (PMP), MP3 It may be implemented as at least one of a player, a mobile medical device, a camera, or a wearable device.
  • PDA personal digital assistant
  • PMP portable multimedia player
  • MP3 MP3 It may be implemented as at least one of a player
  • the electronic device 501 may obtain a voice signal corresponding to the user's utterance and transmit the voice signal to the intelligent server 601.
  • the intelligent server 601 can obtain text data corresponding to the user's utterance based on the voice signal. Text data may be obtained by performing automatic speech recognition (ASR) on a voice signal and converting the voice portion into text that can be read by a computer.
  • ASR automatic speech recognition
  • the intelligent server 601 can analyze the user's speech using text data.
  • the intelligent server 601 uses the analysis results (e.g., intent information, entities, and/or capsules) to perform necessary functions or provide responses (e.g., questions, answers) to the device (e.g., electronic device 501 )) can be provided.
  • the intelligent server 601 may be implemented in software.
  • the intelligent server 601 may be implemented in the electronic device 501 and/or the intelligent server 601 (e.g., the intelligent server 200 in FIG. 2).
  • On-device artificial intelligence (AI) which can process speech without communication with the intelligent server 601, may be installed in the electronic device 501.
  • Components such as the natural language platform 220 described with reference to FIGS. 2 to 4 may be implemented in the electronic device 501.
  • the electronic device 501 can verify the ambiguity of the utterance.
  • the electronic device 501 can detect utterances that may be classified as chit-chat utterances or task-oriented utterances.
  • chit-chat utterances may be based on dialogue used in chatbots (e.g. open domain dialogue).
  • a task-oriented speech may be based on a conversation (e.g., task-oriented dialogue) for an action (or function) that the user wants to execute using the device.
  • the chit-chat utterance may be an utterance processed in a chatbot domain implemented within a natural language platform (e.g., natural language platform 220 in FIG. 2).
  • a task-oriented utterance may be an utterance processed in another domain (e.g., a domain other than a chatbot) within the natural language platform 220.
  • a domain may be an area (or category) related to an operation (or function) that a user wants to perform using a device.
  • Domains e.g., applications
  • the domain may be related to intent information corresponding to text.
  • the electronic device 501 may use a language model (e.g., the general LM 533 and/or the task-oriented LM 534 in FIG. 6).
  • the electronic device 501 can verify the ambiguity of the utterance through a language model (e.g., the general LM 533 and/or the task-oriented LM 534 in FIG. 6).
  • the electronic device 501 may classify the intent of an utterance (e.g., a user utterance converted into text data form) through a language model (not shown).
  • the learning data of the language model used to classify utterance intent may be different from the learning data of the language model used to verify utterance ambiguity.
  • a language model expresses the characteristics of a language and may be one that assigns probability values to the components that make up the language (e.g. letters, morphemes, words).
  • the language model may be modeled based on a neural network.
  • the language model may be used as a component of various modules (e.g., the automatic speech recognition module 221 of FIG. 2 and the natural language understanding module 223 of FIG. 2) within the natural language platform 220.
  • the language model may be used as a component of the natural language understanding module 223 that determines the domain corresponding to the utterance (eg, a domain for processing the utterance).
  • the natural language understanding module 223 including a language model can obtain high discrimination performance with only a small number of input-output datasets, increases the convergence speed of training, and It can have high discrimination performance even for utterances not included in the dataset.
  • the electronic device 501 may receive an utterance (e.g., “Tell me I love you”).
  • An utterance may contain an ambiguous meaning.
  • An utterance e.g., “Tell me that you say I love you”
  • An utterance may be a task-oriented utterance that implies asking you to listen to the song “I Love You.”
  • An utterance e.g., “Tell me I love you”
  • the electronic device 501 may detect ambiguity of an utterance through a language model (e.g., general LM 533 and/or task-oriented LM 534 in FIG. 6).
  • the electronic device 501 may appropriately provide a response (e.g., “I love you”) corresponding to an ambiguous utterance based on the language model.
  • the electronic device 501 may use a language model.
  • the electronic device 501 may not only use the language model to generate utterances, but also use the language model to verify the generated utterances.
  • the electronic device 501 can efficiently verify the ambiguity of an utterance (eg, a user's utterance) using a language model.
  • the electronic device 501 can detect the ambiguity of an utterance without using a predefined list (eg, allow list, deny list).
  • a predefined list eg, allow list, deny list
  • the method of using a predefined list is to record the ambiguous utterance in the deny list when a response is not provided in response to an ambiguous utterance (“Tell me I love you”) and to respond to the ambiguous utterance.
  • the problem was solved through exception handling.
  • the method of using a predefined list requires managing the allow list and/or deny list, it is difficult to update the list according to updates, and it may be a method of responding to ambiguous utterances through post-processing.
  • the electronic device 501 according to one embodiment can respond to utterances without the need to manage a list by using a language model.
  • the electronic device 501 can respond immediately upon receiving an ambiguous utterance without the need to add the ambiguous utterance to the list.
  • the electronic device 501 may perform intent classification of the user utterance (e.g., obtain intention information corresponding to the user utterance) and then verify the ambiguity of the user utterance.
  • a first system that classifies the intent of a user's utterance e.g., the natural language platform 220 of FIG. 2 or the natural language understanding module 223 of FIG. 2
  • a second system that verifies the ambiguity of the user's utterance are the electronic device 501.
  • the first system and the second system may be updated repeatedly at different times.
  • the language model included in the second system may be implemented in various capacities depending on the implementation method of the second system (e.g., implemented in a server, implemented in a terminal).
  • the system of the electronic device 501 (or the intelligent server 601) in which the first system and the second system are combined may be a system in which classification and verification operations are combined.
  • the first system and the second system can be learned by combining them like a generator and a classifier of a generative adversarial network (GAN).
  • GAN generative adversarial network
  • the first system and the second system may each include a language model.
  • the purpose of using the language model of the first system and the second system may be different.
  • the first system may use a language model (not shown) to classify utterance intent. Additionally, the first system may use a language model (not shown) to generate training data for the utterance intention classification module.
  • the second system may use a language model (e.g., general LM 533 and/or task-oriented LM 534 in FIG. 6) to verify the ambiguity of the user's utterance. To determine whether a user utterance input to the language model of the second system is similar to a chit-chat utterance and/or a task-oriented utterance, the second system may use the language model.
  • the learning data of the language model (not shown) included in the first system and the learning data of the language model (e.g., general LM 533 and/or task-oriented LM 534 in FIG. 6) included in the second system are It may be different.
  • the language model of the first system may be constructed by learning data for a designated domain.
  • the language model of the second system may be subject to frequent changes depending on crawled data and/or trends.
  • the language model of the second system may be updated repeatedly at more frequent times than the language model of the first system.
  • the electronic device 501 configures a first system that classifies the intent of the user's utterance and a second system that verifies the ambiguity of the user's utterance as separate systems, so that the update time of the first system and the update time of the second system are determined. can be set differently.
  • the electronic device 501 can operate an efficient system by setting the update time of the first system and the update time of the second system differently. Additionally, the electronic device 501 may process user utterances by configuring the first system and the second system as one system rather than configuring them as separate systems.
  • some or all of the operations performed on the electronic device 501 may be performed on the electronic device 501 and/or the intelligent server 601.
  • the explanation will be continued assuming that the electronic device 501 is running.
  • Figure 6 is a schematic block diagram of an electronic device, according to one embodiment.
  • the electronic device 501 may include at least some of the components of the electronic device 101 described with reference to FIG. 1 and the electronic device 201 described with reference to FIG. 2. there is.
  • on-device artificial intelligence AI
  • AI on-device artificial intelligence
  • an intelligent server e.g., the intelligent server 200 in FIG. 2 and the intelligent server 601 in FIG. 5
  • the natural language platform 220 described with reference to FIGS. 2 to 4 may be implemented in the electronic device 501.
  • descriptions that overlap with those described with reference to FIGS. 1 to 4 will be omitted.
  • the electronic device 501 includes a processor 520 (e.g., processor 120 in FIG. 1, processor 203 in FIG. 2), and a memory 530 (e.g., memory in FIG. 1) electrically connected to the processor 520. 130) and memory 207 of FIG. 2).
  • the processor 520 e.g., an application processor
  • the processor 520 may access the memory 530 and execute instructions.
  • the processor 520 may perform operations to provide a response to the user.
  • the memory 530 may store various data used by at least one component (eg, the processor 520) of the electronic device 501.
  • operations 521 to 525 may be understood as being performed by the processor 520 of the electronic device 501.
  • each operation may be performed sequentially, but is not necessarily performed sequentially.
  • the order of each operation may be changed, and at least two operations may be performed in parallel.
  • the processor 520 may perform voice recognition. That is, the processor 520 may convert data (e.g., a voice signal) related to a voice input (e.g., “Tell me I love you”) received from the electronic device 501 into text data.
  • a voice input e.g., “Tell me I love you”
  • an automatic voice recognition module e.g., the automatic voice recognition module 221 of FIG. 2 may be implemented in the electronic device 501. .
  • the processor 520 may perform intent classification of an utterance (eg, a user utterance converted into text data form). That is, the processor 520 may obtain first intent information corresponding to the user's utterance. Intention information may be information indicating the user's intention determined by interpreting text data. Intent information may include information indicating an action or function that the user wishes to perform using the device.
  • a module for acquiring intent information e.g., the natural language understanding module 223 in FIG. 2
  • a module that acquires intent information e.g., the natural language understanding module 223 in FIG. 2) may include a language model (not shown).
  • the processor 520 may perform ambiguity verification of the utterance. That is, the processor 520 includes a ambiguity verification module (e.g., a first ambiguity verification module 531 and/or Based on the second ambiguity verification module 532, an ambiguity index value can be obtained from text data and intent information.
  • the ambiguity index value may indicate the similarity between the training data of the language model and text data (e.g., text data corresponding to an utterance).
  • the processor 520 may use at least one language model (e.g., general LM 533 and/or task-oriented LM 534) when verifying ambiguity.
  • the processor 520 may use one language model (e.g., general LM (533)) when verifying ambiguity.
  • the processor 520 may use multiple language models (e.g., general LM (533) and task- oriented LM 534) can be used.
  • the processor 520 can use a language model (not shown) when classifying utterance intention.
  • a language model (not shown) used when classifying utterance intention The training data of the language model (e.g., general LM 533 and/or task-oriented LM 534) used for ambiguity verification may be different from the training data of the processor 520.
  • a language model e.g., general LM (533) and/or task-oriented LM (534)
  • learned based on e.g., learning data that is different from the learning data of the language model (not shown) used when classifying utterance intention
  • a language model expresses the characteristics of a language and adds probability values to the components that make up the language (e.g., letters, morphemes, words).
  • the language model may be modeled based on a neural network.
  • the processor 520 uses a verification module that does not include a language model (e.g., a verification module that includes a predefined allow list and/or deny list). High verification performance can be achieved and training speed can be increased with just a few learning data. The processor 520 does not need to learn about the list and may only need a smaller amount of learning data than list data.
  • the processor 520 may have higher performance with respect to text matching than a method using a predefined list.
  • the language model may measure the similarity between input data and training data within the structural range, semantic range, grammatical range, and/or expressive range of the training data used to train the language model.
  • the language model disclosed in FIG. 6 may be divided into a general LM (533) and a task-oriented LM (534).
  • general LM 533 may be learned based on utterances collected through data crawling.
  • the training data of general LM 533 may be based on various utterances, including general declarative sentences, unlike typical commands for voice assistants (e.g., task-oriented utterances).
  • the processor 520 can detect chit-chat utterances based on the general LM 533.
  • the processor 520 may use the general LM 533 instead of a language model learned based on dialogue (e.g., open domain dialogue) used in a chatbot.
  • dialogue e.g., open domain dialogue
  • the task-oriented LM 534 may be learned based on task-oriented utterances.
  • a task-oriented speech may be based on a dialogue (e.g., task-oriented dialogue) for an action (or function) that the user wants to execute using the device.
  • general LM (533) may determine that the utterance “Let me hear your voice” is similar to the learning data of general LM (533).
  • the processor 520 may output a ambiguity index value close to a threshold (e.g., a threshold for ambiguity determination) for the utterance “Let me hear your voice” based on the general LM 533.
  • the task-oriented LM 534 may determine that the utterance “Tell me the weather” is similar to the training data of the task-oriented LM 534.
  • the processor 520 may output an ambiguity index value close to a threshold (e.g., a threshold for ambiguity determination) for the utterance “Tell me the weather” based on the task-oriented LM 534.
  • a threshold e.g., a threshold for ambiguity determination
  • the ambiguity index value may be a value output based on a language model-based probability value, perplexity value, and/or uncertainty value.
  • the ambiguity index value may indicate the similarity between the training data of each language model and the utterance. Only one ambiguity index evaluation index (e.g. probability value, perplexity value, uncertainty value) can be used.
  • Multiple evaluation indicators of ambiguity indicator values can be used in parallel.
  • a method of using multiple evaluation indicators in parallel may include a method of outputting the value of an evaluation indicator that exceeds a threshold value among the plurality of evaluation indicators.
  • a method of using multiple evaluation indicators in parallel may include a method of outputting all values of evaluation indicators that exceed the threshold when all of the plurality of evaluation indicators exceed the threshold.
  • a method of using multiple evaluation indicators in parallel may include a method of normalizing and adding multiple evaluation indicators.
  • a method of using multiple evaluation indicators in parallel may include a method of outputting a weighted sum of a plurality of evaluation indicators. For example, the ambiguity index value output by weighting a plurality of evaluation indices for the input text, x, can be calculated through Equation 1.
  • Equation 1 a1, a2, and a3 are set constants (or weights) and can be derived through training data. Equation 1 above is only an example to aid understanding, but is not limited thereto, and can be modified, applied, or expanded in various ways.
  • the processor 520 indicates that the input text x may have an ambiguous meaning (e.g., the training data of the language model and the input text x are similar) You can judge.
  • the ambiguity index value can have values greater than 0 and less than 1.
  • the evaluation index value can have values greater than 0 and less than 1.
  • the probability value which is an evaluation index of the ambiguity index value, may indicate the probability of the output of the language model. As the probability value is relatively high, it can be determined that the language model's training data and input data (e.g., utterances) have a relatively high similarity.
  • the perplexity value which is an evaluation index of the ambiguity index value, may be a value indicating how new the input data is compared to the training data of the language model. For example, for a language model learned from news domain data, the utterance “Turn on SBS” may have a perplexity value close to 0, and the utterance “Let’s go skiing” may have a perplexity value close to 1. The lower the perplexity value, the more substantially similar the utterance is to the probability distribution of the language model. The perplexity value can be calculated through Equation 2.
  • Equation 2 H(p) may be the entropy of the probability distribution. Equation 2 is only an example to aid understanding, is not limited thereto, and can be modified, applied, or expanded in various ways. As the perplexity value is relatively low, it can be determined that the language model's training data and input data (e.g., utterances) have a relatively high similarity.
  • the uncertainty value which is an evaluation index of the ambiguity index value
  • the uncertainty value may be a value indicating the degree of uncertainty about the output of the language model when data of a different type from the training data of the language model is input.
  • the utterance “Call me” may correspond to an uncertainty value close to 1. It can be said that the relatively lower the uncertainty value, the higher the similarity between the input data (e.g. utterance) and the training data of the language model.
  • the processor 520 may output a ambiguity index value by assigning weights to evaluation indices (e.g., probability value, perplexity value, and/or uncertainty value).
  • the processor 520 operates when at least one of the ambiguity index values output by the ambiguity verification module (e.g., the first ambiguity verification module 531 and/or the second ambiguity verification module 532) is higher than the threshold. It can be judged that the utterance (or the text corresponding to the utterance) may contain ambiguity.
  • the processor 520 may re-acquire intent information when the ambiguity index value is higher than the threshold.
  • the processor 520 may perform utterance intent reclassification.
  • the processor 520 may obtain at least one second intent information corresponding to the user's utterance.
  • the processor 520 may obtain at least one piece of second intent information based on the n-best algorithm.
  • the processor 520 may perform utterance intention reclassification excluding first intention information.
  • Operation 524 may be omitted. If the processor 520 determines that the utterance contains ambiguity, the processor 520 uses other intent information (e.g., intent information candidates different from the first intent information) obtained when performing the intent classification in operation 522. The selection may be made in operation 525.
  • intent information e.g., intent information candidates different from the first intent information
  • the n-best algorithm may output not only the intention information that corresponds to the utterance with the highest probability, but also the top n intention information in the probability distribution that can correspond to the utterance. For example, for the utterance “Tell me about fine dust,” there is not only intent information containing information about the weather (e.g., the intention information that corresponds with the highest probability to the utterance), but also intent information containing an action on an air purifying device (e.g. : Intention information that is likely to correspond to the utterance) can be obtained. At least one second intent information may include the first intent information obtained in operation 522.
  • the processor 520 may perform utterance intention reclassification excluding first intention information. At least one piece of second intent information may be different from the first intent information obtained in operation 522. Excluding the first intent information, the method of performing utterance intent reclassification is that the first intent information (e.g., the intent information most likely to correspond to the utterance) is divided into at least one second intent information (e.g., the most likely to correspond to the utterance). This may be a way to perform utterance intent reclassification even if it is dominantly superior to the intent information.
  • the first intent information e.g., the intent information most likely to correspond to the utterance
  • second intent information e.g., the most likely to correspond to the utterance
  • the distribution of response possibilities between intent information may be different from the distribution of existing response possibilities.
  • the processor 520 may perform utterance intention selection.
  • the processor 520 may provide a response to the user using intent information selected from at least one piece of second intent information (eg, first intent information and/or second intent information).
  • the processor 520 may provide a response to the user using intent information selected from at least one second intent information (e.g., first intent information and/or second intent information) based on user history or an external database. You can.
  • the processor 520 may provide a response to the user using intent information obtained by the user's selection among at least one piece of second intent information (eg, first intent information and/or second intent information).
  • the processor 520 may select intent information based on the user's speech history and/or a personalized language model. For example, if the user has listened to singer Kim Dong-ryul's song 'The Word of I Love You' a lot or if the user's frequency of use of music applications (e.g. frequency of use of applications using utterances) is higher than that of other users, an utterance with ambiguity " Intent information corresponding to “Let me tell you I love you” may include information about song playback.
  • the processor 520 uses the result of searching the entity name (e.g., predefined entity name such as person, company, place, time, unit) extracted from the utterance in an external database (e.g., search engine) to provide intent information.
  • entity name e.g., predefined entity name such as person, company, place, time, unit
  • the processor 520 may use intention information obtained as a result of notifying the user that the utterance is ambiguous (eg, the user's selection).
  • the method of informing the user of the ambiguity of the utterance may include a method of informing the user of the presence or absence of ambiguity of the utterance.
  • a method of informing the user of the ambiguity of the utterance may include a method of informing the user's intention (eg, first intention information) determined by interpreting the ambiguity utterance.
  • FIGS. 7A and 7B are examples for explaining an operation in which an electronic device processes a user's utterance, according to an embodiment.
  • the electronic device 701 may receive an utterance (e.g., “Tell me I love you”).
  • An utterance may contain an ambiguous meaning.
  • An utterance e.g., “Tell me that you say I love you”
  • An utterance may be a task-oriented utterance that implies asking you to listen to the song “I Love You.”
  • An utterance e.g., “Tell me I love you”
  • the processor 720 of the electronic device 701 may perform voice recognition.
  • the processor 720 may convert data (e.g., voice signal) related to the voice input (e.g., “Tell me I love you”) received from the electronic device 701 into text data.
  • processor 720 may perform utterance intent classification.
  • the processor 720 of the electronic device 701 may acquire intent information (e.g., PlaySong (I love you_SongTitle)) including information about song playback in response to the utterance “Tell me I love you.”
  • the electronic device 701 may play the song ‘The Word I Love You’ based on intention information (e.g., PlaySong (The Word I Love You_SongTitle)).
  • the user who uttered the message to ask the chatbot to say “I love you” may be dissatisfied with the operation of the electronic device 701.
  • the electronic device 501 (e.g., the electronic device 101 of FIG. 1 and the electronic device 201 of FIG. 2) according to an embodiment is based on a language model (e.g., general LM 533). Based on this, the ambiguity of an utterance (e.g., “Tell me I love you”) can be verified.
  • Operations 721 to 725 may be understood as being performed by the processor 520 of the electronic device 501 (eg, the processor 120 in FIG. 1 and the processor 203 in FIG. 2).
  • each operation may be performed sequentially, but is not necessarily performed sequentially. For example, the order of each operation may be changed, and at least two operations may be performed in parallel.
  • the processor 520 may perform voice recognition. That is, the processor 520 may convert data (e.g., voice signal) related to the voice input (e.g., “Tell me I love you”) received from the electronic device 501 into text data.
  • data e.g., voice signal
  • the processor 520 may convert data (e.g., voice signal) related to the voice input (e.g., “Tell me I love you”) received from the electronic device 501 into text data.
  • the processor 520 may perform intent classification of an utterance (eg, a user utterance converted into text data form). That is, the processor 520 may obtain first intention information (e.g., PlaySong (I love you_SongTitle)) corresponding to the user's utterance.
  • first intention information e.g., PlaySong (I love you_SongTitle)
  • the processor 520 may perform ambiguity verification of the utterance. That is, the processor 520 determines ambiguity from text data and intent information based on a ambiguity verification module (e.g., first ambiguity verification module 531) including a language model (e.g., general LM 533). An index value (e.g., 0.82 output by the first ambiguity verification module 531) can be obtained. The ambiguity index value may indicate the similarity between the training data of the language model and text data (e.g., text data corresponding to an utterance).
  • a ambiguity verification module e.g., first ambiguity verification module 5311
  • a language model e.g., general LM 533
  • An index value e.g. 0.82 output by the first ambiguity verification module 531
  • the ambiguity index value may indicate the similarity between the training data of the language model and text data (e.g., text data corresponding to an utterance).
  • the processor 520 determines that the utterance contains ambiguity because the ambiguity index value (e.g., 0.82 output by the first ambiguity verification module 531) is higher than the threshold value (e.g., 0.7, but is not limited to). You can judge. As described above with reference to FIG. 5 , the processor 520 may use a language model (not shown) when classifying utterance intent.
  • the learning data of the language model (not shown) used when classifying utterance intent may be different from the learning data of the language model (e.g., general LM (533)) used when verifying ambiguity.
  • the processor 520 uses a language model (e.g., general LM (533)) learned based on different learning data (e.g., learning data that is different from the learning data of a language model (not shown) used when classifying utterance intention). By using it for gender verification, it is possible to detect parts that the speech intention classification module could not detect.
  • a language model e.g., general LM (533)
  • learning data e.g., learning data that is different from the learning data of a language model (not shown) used when classifying utterance intention.
  • the processor 520 may perform utterance intent reclassification.
  • the processor 520 may acquire at least one second intention information (e.g., ChatBot (I love you_love), PlaySong (I love you_SongTitle)) corresponding to the user's utterance. Operation 724 may be omitted. If the processor 520 determines that the utterance contains ambiguity, the processor 520 uses other intent information (e.g., intent information candidates different from the first intent information) obtained when performing the intent classification in operation 722. The selection may be made in operation 725.
  • the processor 520 may perform utterance intention selection.
  • the processor 520 responds to the user using intent information (e.g., ChatBot (word_love)) selected from at least one second intent information (e.g., first intent information and/or second intent information).
  • intent information e.g., ChatBot (word_love)
  • second intent information e.g., first intent information and/or second intent information.
  • the electronic device 501 may utter “I love you” to the user based on the selected intent information (e.g., ChatBot (meaning I love you_love)).
  • FIGS. 8A and 8B are examples for explaining an operation in which an electronic device processes a user's utterance, according to an embodiment.
  • the electronic device 801 may receive an utterance (e.g., “Please listen for 5 more minutes”).
  • An utterance may contain an ambiguous meaning.
  • An utterance e.g., “Please listen to me for 5 more minutes” may be a task-oriented utterance that implies asking the person to listen to the song ‘Just 5 more minutes’.
  • An utterance e.g., “Please listen to me for 5 more minutes” may be a task-oriented utterance that implies asking the user to play the currently playing song for 5 more minutes.
  • the processor 820 of the electronic device 801 may perform voice recognition.
  • the processor 820 may convert data (e.g., voice signal) related to the voice input (e.g., “Please listen to me for 5 more minutes”) received from the electronic device 801 into text data.
  • processor 820 may perform utterance intent classification.
  • the processor 820 of the electronic device 801 may acquire intent information (e.g., PlaySong (just 5 more minutes_SongTitle)) including information about the song title in response to the utterance “Please listen to it for 5 more minutes.”
  • the electronic device 801 may play the song '5 more minutes' based on intent information (e.g., PlaySong (5 more minutes_SongTitle)).
  • a user who has uttered a request to play the currently playing song for 5 more minutes may be dissatisfied with the operation of the electronic device 801.
  • the electronic device 501 (e.g., the electronic device 101 of FIG. 1 and the electronic device 201 of FIG. 2) according to an embodiment makes an utterance (e.g., "Just 5 minutes") based on a language model.
  • the ambiguity of “Tell me more”) can be verified.
  • Operations 821 to 825 may be understood as being performed by the processor 520 of the electronic device 501 (eg, the processor 120 in FIG. 1 and the processor 203 in FIG. 2).
  • each operation may be performed sequentially, but is not necessarily performed sequentially. For example, the order of each operation may be changed, and at least two operations may be performed in parallel.
  • the processor 520 may perform voice recognition. That is, the processor 520 may convert data (e.g., voice signal) related to the voice input (e.g., “Please listen to me for 5 more minutes”) received from the electronic device 501 into text data.
  • data e.g., voice signal
  • voice input e.g., “Please listen to me for 5 more minutes”
  • the processor 520 may perform intent classification of an utterance (eg, a user utterance converted into text data form). That is, the processor 520 may obtain first intention information (eg, PlaySong (5 more minutes_SongTitle)) corresponding to the user's utterance.
  • first intention information eg, PlaySong (5 more minutes_SongTitle)
  • the processor 520 may perform ambiguity verification of the utterance. That is, the processor 520 includes a plurality of ambiguity verification modules (e.g., a first ambiguity verification module 531, a second ambiguity verification module) including a language model (e.g., general LM 533, task-oriented LM 534). Based on each ambiguity verification module 532, a plurality of ambiguity index values (e.g., 0.21 output by the first ambiguity verification module 531) from the text data and intent information, and the second ambiguity verification module 532 ) can be obtained as 0.76) output.
  • a plurality of ambiguity index values e.g., 0.21 output by the first ambiguity verification module 531 from the text data and intent information, and the second ambiguity verification module 532
  • the ambiguity index value may indicate the similarity between the training data of each language model and text data (e.g., text data corresponding to an utterance).
  • the processor 520 may determine that the utterance contains ambiguity because the ambiguity index value (e.g., 0.76 output by the second ambiguity verification module 532) is higher than the threshold value (e.g., 0.7).
  • the processor 520 may perform utterance intent reclassification.
  • the processor 520 may obtain at least one piece of second intention information (e.g., PlayDuration(5min), PlaySong(5 more minutes_SongTitle)) corresponding to the user's utterance. Operation 824 may be omitted. If the processor 520 determines that the utterance contains ambiguity, the processor 520 selects other intent information (e.g., intent information candidates different from the first intent information) obtained when performing the intent classification in operation 822. The selection may be made in operation 825.
  • intent information e.g., intent information candidates different from the first intent information
  • the processor 520 may perform utterance intention selection.
  • the processor 520 may provide a response to the user using intent information (e.g., PlayDuration(5min)) selected from at least one second intent information (e.g., first intent information and/or second intent information). there is.
  • intent information e.g., PlayDuration(5min)
  • second intent information e.g., first intent information and/or second intent information.
  • the electronic device 501 may end the currently playing song after playing it for 5 more minutes based on the selected intention information (e.g., PlayDuration(5min)).
  • Figure 9 shows a flowchart of a method of operating an electronic device, according to one embodiment.
  • Operations 910 to 930 may be performed sequentially, but are not necessarily performed sequentially. For example, the order of each operation 910 to 930 may be changed, and at least two operations may be performed in parallel.
  • a processor may convert the utterance into text data.
  • the processor 520 may obtain a plurality of ambiguity index values from the text data based on each of a plurality of ambiguity verification modules including a language model.
  • the processor 520 may provide a response to the user based on a plurality of ambiguity indicator values.
  • Figure 10 shows a flowchart of a method of operating an electronic device, according to one embodiment.
  • Operations 1010 to 1030 may be performed sequentially, but are not necessarily performed sequentially. For example, the order of each operation 1010 to 1030 may be changed, and at least two operations may be performed in parallel.
  • a processor may convert the utterance into text data.
  • the processor 520 may obtain a ambiguity index value from text data based on a ambiguity verification module including a basic language model (e.g., the basic language model 533 in FIG. 6).
  • a basic language model e.g., the basic language model 533 in FIG. 6
  • the processor 520 may provide a response to the user based on the ambiguity indicator value.
  • An electronic device includes a memory (e.g., FIG.
  • the memory 130 in 1, the memory 207 in FIG. 2, and the processor 520 in FIG. 6) are electrically connected to the memory and a processor for executing the instructions (e.g., the processor 120 in FIG. 1, It may include the processor 203 in FIG. 2 and the processor 520 in FIG. 6.
  • the processor may convert the utterance into text data.
  • the processor may obtain a plurality of ambiguity index values from the text data based on each of a plurality of ambiguity verification modules including a language model.
  • the processor may provide a response to the user based on the plurality of ambiguity index values.
  • the plurality of disambiguation verification modules may include a first disambiguation verification module including a basic language model.
  • the plurality of ambiguity verification modules may include a second ambiguity verification module including a language model learned based on task-oriented utterance.
  • the ambiguity index value may be obtained based on at least one of a language model-based probability value, a perplexity value, or an uncertainty value.
  • the processor may obtain first intent information corresponding to the utterance based on the text data.
  • the plurality of ambiguity index values may be obtained as a result of respectively inputting the first intent information and the text data into the plurality of ambiguity verification modules.
  • the processor may provide a response to the user based on first intent information corresponding to the utterance when all of the plurality of ambiguity index values are lower than a threshold.
  • the processor may provide a response to the user based on at least one second intention information corresponding to the utterance.
  • the at least one second intention information may be obtained based on the n-best algorithm.
  • the at least one second intent information may be obtained by the processor performing intent classification excluding the first intent information.
  • the processor may provide a response to the user using intent information selected from the second intent information based on user history or an external database.
  • the processor may provide a response to the user using intent information obtained by the user's selection among the second intent information.
  • a method of operating an electronic device includes converting speech into text data. It may include actions such as:
  • the method of operating the electronic device may include obtaining a plurality of ambiguity index values from the text data based on each of a plurality of ambiguity verification modules including a language model.
  • the method of operating the electronic device may include providing a response to the user based on the plurality of ambiguity index values.
  • the plurality of disambiguation verification modules may include a first disambiguation verification module including a basic language model.
  • the plurality of ambiguity verification modules may include a second ambiguity verification module including a language model learned based on task-oriented utterance.
  • the ambiguity index value may be obtained based on at least one of a language model-based probability value, a perplexity value, or an uncertainty value.
  • the method of operating the electronic device may further include obtaining first intent information corresponding to the utterance based on the text data.
  • the plurality of ambiguity index values may be obtained as a result of respectively inputting the first intent information and the text data into the plurality of ambiguity verification modules.
  • the providing operation provides a response to the user based on first intent information corresponding to the utterance when all of the plurality of ambiguity index values are lower than a threshold, and the plurality of ambiguity index values are lower than a threshold. If at least one of the values is higher than the threshold, it may include providing a response to the user based on at least one second intent information corresponding to the utterance.
  • the at least one second intention information may be obtained based on the n-best algorithm.
  • the at least one second intent information may be obtained by performing intent classification excluding the first intent information.
  • the operation of providing a response to the user based on the at least one second intent information includes sending a response to the user using intent information selected from the second intent information based on user history or an external database. May include actions that provide a response.
  • the operation of providing a response to the user based on the at least one second intention information provides a response to the user using intention information obtained by the user's selection among the second intention information. It may include actions such as:
  • An electronic device includes a memory (e.g., FIG.
  • the memory 130 in 1, the memory 207 in FIG. 2, and the processor 530 in FIG. 6) are electrically connected to the memory and a processor (e.g., the processor 120 in FIG. 1) for executing the instructions. It may include the processor 203 in FIG. 2 and the processor 520 in FIG. 6.
  • the processor may convert the utterance into text data.
  • the processor may obtain a ambiguity index value from the text data based on each ambiguity verification module including a basic language model.
  • the processor may provide a response to the user based on the ambiguity index value.
  • the ambiguity index value may be obtained based on at least one of a language model-based probability value, a perplexity value, or an uncertainty value.
  • An electronic device may be of various types.
  • Electronic devices may include, for example, portable communication devices (e.g., smartphones), computer devices, portable multimedia devices, portable medical devices, cameras, wearable devices, or home appliances.
  • Electronic devices according to embodiments of this document are not limited to the above-described devices.
  • first, second, or first or second may be used simply to distinguish one component from another, and to refer to that component in other respects (e.g., importance or order) is not limited.
  • One (e.g., first) component is said to be “coupled” or “connected” to another (e.g., second) component, with or without the terms “functionally” or “communicatively.” Where mentioned, it means that any of the components can be connected to the other components directly (e.g. wired), wirelessly, or through a third component.
  • module used in one embodiment of this document may include a unit implemented in hardware, software, or firmware, and may be interchangeable with terms such as logic, logic block, component, or circuit, for example. can be used
  • a module may be an integrated part or a minimum unit of the parts or a part thereof that performs one or more functions.
  • the module may be implemented in the form of an application-specific integrated circuit (ASIC).
  • ASIC application-specific integrated circuit
  • One embodiment of this document is software (e.g., program) that includes one or more instructions stored in a storage medium (e.g., internal memory or external memory) that can be read by a machine (e.g., electronic device). It can be implemented as: For example, a processor (eg, processor) of a device (eg, electronic device) may call at least one instruction among one or more instructions stored from a storage medium and execute it. This allows the device to be operated to perform at least one function according to the at least one instruction called.
  • the one or more instructions may include code generated by a compiler or code that can be executed by an interpreter.
  • a storage medium that can be read by a device may be provided in the form of a non-transitory storage medium.
  • 'non-transitory' only means that the storage medium is a tangible device and does not contain signals (e.g. electromagnetic waves), and this term refers to cases where data is semi-permanently stored in the storage medium. There is no distinction between temporary storage cases.
  • a method according to an embodiment disclosed in this document may be provided and included in a computer program product.
  • Computer program products are commodities and can be traded between sellers and buyers.
  • the computer program product may be distributed in the form of a machine-readable storage medium (e.g. compact disc read only memory (CD-ROM)) or through an application store (e.g. Play StoreTM) or on two user devices (e.g. It can be distributed (e.g. downloaded or uploaded) directly between smart phones) or online.
  • a portion of the computer program product may be at least temporarily stored or temporarily created in a machine-readable storage medium, such as the memory of a manufacturer's server, an application store's server, or a relay server.
  • each component (e.g., module or program) of the above-described components may include a single or multiple entities, and some of the multiple entities may be separately placed in other components.
  • one or more of the above-described corresponding components or operations may be omitted, or one or more other components or operations may be added.
  • multiple components eg, modules or programs
  • the integrated component may perform one or more functions of each component of the plurality of components in the same or similar manner as those performed by the corresponding component of the plurality of components prior to the integration. .
  • operations performed by a module, program, or other component may be executed sequentially, in parallel, iteratively, or heuristically, or one or more of the operations may be executed in a different order, omitted, or , or one or more other operations may be added.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Human Computer Interaction (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

일 실시예에 따른 전자 장치는 인스트럭션들을 포함하는 메모리 상기 메모리와 전기적으로 연결되고, 상기 인스트럭션들을 실행하기 위한 프로세서를 포함할 수 있다. 상기 프로세서에 의해 상기 인스트럭션들이 실행될 때, 상기 프로세서는 발화를 텍스트 데이터로 변환할 수 있다. 상기 프로세서는 언어 모델을 포함하는 복수의 중의성 검증 모듈 각각에 기초하여, 상기 텍스트 데이터로부터 복수의 중의성 지표값을 획득할 수 있다. 상기 프로세서는 상기 복수의 중의성 지표값에 기초하여 사용자에게 응답을 제공할 수 있다.

Description

언어 모델에 기초하여 사용자 발화를 처리하는 방법 및 전자 장치
본 발명의 일 실시예는 언어 모델에 기초하여 사용자 발화를 처리하는 방법 및 전자 장치에 관한 것이다.
사용자 발화에 기반하여 서비스를 제공하는 음성 어시스턴트(assistant) 기능이 탑재된 전자 장치가 다양하게 보급되고 있다. 전자 장치는 인공지능 서버를 통해 사용자의 발화를 인식하고, 발화의 의미와 의도를 파악할 수 있다. 인공지능 서버는 사용자의 발화를 해석하여 사용자의 의도를 추론하고, 추론된 의도에 따라서 작업들을 수행할 수 있다. 인공지능 서버는 사용자와 인공지능 서버 간의 자연 언어(natural language) 상호 작용을 통해 표현된 사용자의 의도에 따라 작업을 수행할 수 있다.
인공지능 서버가 작업을 수행하기 위해 사용자의 의도를 분류하는 동작은 뉴럴 네트워크 기반 모델을 이용하여 수행될 수 있다. 뉴럴 네트워크 기반 분류 모델은 많은 학습 발화를 필요로 할 수 있다.
일 실시예에 따른 전자 장치는 인스트럭션들을 포함하는 메모리; 및 상기 메모리와 전기적으로 연결되고, 상기 인스트럭션들을 실행하기 위한 프로세서를 포함할 수 있다. 상기 프로세서에 의해 상기 인스트럭션들이 실행될 때, 상기 프로세서는 발화를 텍스트 데이터로 변환할 수 있다. 상기 프로세서는 언어 모델을 포함하는 복수의 중의성 검증 모듈 각각에 기초하여, 상기 텍스트 데이터로부터 복수의 중의성 지표값을 획득할 수 있다. 상기 프로세서는 상기 복수의 중의성 지표값에 기초하여 사용자에게 응답을 제공할 수 있다.
일 실시예에 따른 전자 장치의 동작 방법은 발화를 텍스트 데이터로 변환하는 동작을 포함할 수 있다. 상기 전자 장치의 동작 방법은 언어 모델을 포함하는 복수의 중의성 검증 모듈 각각에 기초하여, 상기 텍스트 데이터로부터 복수의 중의성 지표값을 획득하는 동작을 포함할 수 있다. 상기 전자 장치의 동작 방법은 상기 복수의 중의성 지표값에 기초하여 사용자에게 응답을 제공하는 동작을 포함할 수 있다.
일 실시예에 따른 전자 장치는 인스트럭션들을 포함하는 메모리; 및 상기 메모리와 전기적으로 연결되고, 상기 인스트럭션들을 실행하기 위한 프로세서를 포함할 수 있다. 상기 프로세서에 의해 상기 인스트럭션들이 실행될 때, 상기 프로세서는 발화를 텍스트 데이터로 변환할 수 있다. 상기 프로세서는 기본 언어 모델을 포함하는 중의성 검증 모듈에 기초하여, 상기 텍스트 데이터로부터 중의성 지표값을 획득할 수 있다. 상기 프로세서는 상기 중의성 지표값에 기초하여 사용자에게 응답을 제공할 수 있다.
일 실시예에 따른 전자 장치의 동작 방법은 발화를 텍스트 데이터로 변환하는 동작을 포함할 수 있다. 상기 전자 장치의 동작 방법은 기본 언어 모델을 포함하는 중의성 검증 모듈 각각에 기초하여, 상기 텍스트 데이터로부터 중의성 지표값을 획득하는 동작을 포함할 수 있다. 상기 전자 장치의 동작 방법은 상기 중의성 지표값에 기초하여 사용자에게 응답을 제공하는 동작을 포함할 수 있다.
도 1은 일 실시예에 따른, 네트워크 환경 내의 전자 장치의 블록도이다.
도 2는 일 실시예에 따른 통합 지능(integrated intelligence) 시스템을 나타낸 블록도이다.
도 3은 일 실시예에 따른, 컨셉과 동작의 관계 정보가 데이터베이스에 저장된 형태를 나타낸 도면이다.
도 4는 일 실시예에 따른 전자 장치가 지능형 앱을 통해 수신된 음성 입력을 처리하는 화면을 나타낸 도면이다.
도 5는 일 실시예에 따른, 전자 장치가 사용자의 발화를 처리하는 동작을 설명하기 위한 도면이다.
도 6은 일 실시예에 따른, 전자 장치의 개략적인 블록도이다.
도 7a 및 도 7b는 일 실시예에 따른 전자 장치가 사용자 발화를 처리하는 동작을 설명하기 위한 일 예이다.
도 8a 및 도 8b은 일 실시예에 따른 전자 장치가 사용자 발화를 처리하는 동작을 설명하기 위한 일 예이다.
도 9는 일 실시예에 따른, 전자 장치의 동작 방법의 흐름도를 나타낸다.
도 10은 일 실시예에 따른, 전자 장치의 동작 방법의 흐름도를 나타낸다.
이하, 실시예들을 첨부된 도면들을 참조하여 상세하게 설명한다. 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조 부호를 부여하고, 이에 대한 중복되는 설명은 생략하기로 한다.
도 1은, 일 실시예에 따른, 네트워크 환경(100) 내의 전자 장치(101)의 블록도이다. 도 1을 참조하면, 네트워크 환경(100)에서 전자 장치(101)는 제1 네트워크(198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(102)와 통신하거나, 또는2 네트워크(199)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(104) 또는 서버(108) 중 적어도 하나와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 서버(108)를 통하여 전자 장치(104)와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 프로세서(120), 메모리(130), 입력 모듈(150), 음향 출력 모듈(155), 디스플레이 모듈(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 연결 단자(178), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(101)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(178))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들(예: 센서 모듈(176), 카메라 모듈(180), 또는 안테나 모듈(197))은 하나의 구성요소(예: 디스플레이 모듈(160))로 통합될 수 있다.
프로세서(120)는, 예를 들면, 소프트웨어(예: 프로그램(140))를 실행하여 프로세서(120)에 연결된 전자 장치(101)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(120)는 다른 구성요소(예: 센서 모듈(176) 또는 통신 모듈(190))로부터 수신된 명령 또는 데이터를 휘발성 메모리(132)에 저장하고, 휘발성 메모리(132)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(134)에 저장할 수 있다. 일실시예에 따르면, 프로세서(120)는 메인 프로세서(121)(예: 중앙 처리 장치 또는 어플리케이션 프로세서) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(123)(예: 그래픽 처리 장치, 신경망 처리 장치(NPU: neural processing unit), 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 예를 들어, 전자 장치(101)가 메인 프로세서(121) 및 보조 프로세서(123)를 포함하는 경우, 보조 프로세서(123)는 메인 프로세서(121)보다 저전력을 사용하거나, 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(123)는 메인 프로세서(121)와 별개로, 또는 그 일부로서 구현될 수 있다.
보조 프로세서(123)는, 예를 들면, 메인 프로세서(121)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(121)를 대신하여, 또는 메인 프로세서(121)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(121)와 함께, 전자 장치(101)의 구성요소들 중 적어도 하나의 구성요소(예: 디스플레이 모듈(160), 센서 모듈(176), 또는 통신 모듈(190))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(180) 또는 통신 모듈(190))의 일부로서 구현될 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 신경망 처리 장치)는 인공지능 모델의 처리에 특화된 하드웨어 구조를 포함할 수 있다. 인공지능 모델은 기계 학습을 통해 생성될 수 있다. 이러한 학습은, 예를 들어, 인공지능 모델이 수행되는 전자 장치(101) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(108))를 통해 수행될 수도 있다. 학습 알고리즘은, 예를 들어, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)을 포함할 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은, 복수의 인공 신경망 레이어들을 포함할 수 있다. 인공 신경망은 심층 신경망(DNN: deep neural network), CNN(convolutional neural network), RNN(recurrent neural network), RBM(restricted boltzmann machine), DBN(deep belief network), BRDNN(bidirectional recurrent deep neural network), 심층 Q-네트워크(deep Q-networks) 또는 상기 중 둘 이상의 조합 중 하나일 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은 하드웨어 구조 이외에, 추가적으로 또는 대체적으로, 소프트웨어 구조를 포함할 수 있다.
메모리(130)는, 전자 장치(101)의 적어도 하나의 구성요소(예: 프로세서(120) 또는 센서 모듈(176))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(140)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(130)는, 휘발성 메모리(132) 또는 비휘발성 메모리(134)를 포함할 수 있다.
프로그램(140)은 메모리(130)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(142), 미들 웨어(144) 또는 어플리케이션(146)을 포함할 수 있다.
입력 모듈(150)은, 전자 장치(101)의 구성요소(예: 프로세서(120))에 사용될 명령 또는 데이터를 전자 장치(101)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 모듈(150)은, 예를 들면, 마이크, 마우스, 키보드, 키(예: 버튼), 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.
음향 출력 모듈(155)은 음향 신호를 전자 장치(101)의 외부로 출력할 수 있다. 음향 출력 모듈(155)은, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있다. 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일실시예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.
디스플레이 모듈(160)은 전자 장치(101)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 디스플레이 모듈(160)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일실시예에 따르면, 디스플레이 모듈(160)은 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다.
오디오 모듈(170)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일실시예에 따르면, 오디오 모듈(170)은, 입력 모듈(150)을 통해 소리를 획득하거나, 음향 출력 모듈(155), 또는 전자 장치(101)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(102))(예: 스피커 또는 헤드폰)를 통해 소리를 출력할 수 있다.
센서 모듈(176)은 전자 장치(101)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일실시예에 따르면, 센서 모듈(176)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다.
인터페이스(177)는 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일실시예에 따르면, 인터페이스(177)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.
연결 단자(178)는, 그를 통해서 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일실시예에 따르면, 연결 단자(178)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.
햅틱 모듈(179)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일실시예에 따르면, 햅틱 모듈(179)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.
카메라 모듈(180)은 정지 영상 및 동영상을 촬영할 수 있다. 일실시예에 따르면, 카메라 모듈(180)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.
전력 관리 모듈(188)은 전자 장치(101)에 공급되는 전력을 관리할 수 있다. 일실시예에 따르면, 전력 관리 모듈(188)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.
배터리(189)는 전자 장치(101)의 적어도 하나의 구성요소에 전력을 공급할 수 있다. 일실시예에 따르면, 배터리(189)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.
통신 모듈(190)은 전자 장치(101)와 외부 전자 장치(예: 전자 장치(102), 전자 장치(104), 또는 서버(108)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(190)은 프로세서(120)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일실시예에 따르면, 통신 모듈(190)은 무선 통신 모듈(192)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(194)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제 1 네트워크(198)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제 2 네트워크(199)(예: 레거시 셀룰러 네트워크, 5G 네트워크, 차세대 통신 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부의 전자 장치(104)와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성요소(예: 단일 칩)로 통합되거나, 또는 서로 별도의 복수의 구성요소들(예: 복수 칩들)로 구현될 수 있다. 무선 통신 모듈(192)은 가입자 식별 모듈(196)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크 내에서 전자 장치(101)를 확인 또는 인증할 수 있다.
무선 통신 모듈(192)은 4G 네트워크 이후의 5G 네트워크 및 차세대 통신 기술, 예를 들어, NR 접속 기술(new radio access technology)을 지원할 수 있다. NR 접속 기술은 고용량 데이터의 고속 전송(eMBB(enhanced mobile broadband)), 단말 전력 최소화와 다수 단말의 접속(mMTC(massive machine type communications)), 또는 고신뢰도와 저지연(URLLC(ultra-reliable and low-latency communications))을 지원할 수 있다. 무선 통신 모듈(192)은, 예를 들어, 높은 데이터 전송률 달성을 위해, 고주파 대역(예: mmWave 대역)을 지원할 수 있다. 무선 통신 모듈(192)은 고주파 대역에서의 성능 확보를 위한 다양한 기술들, 예를 들어, 빔포밍(beamforming), 거대 배열 다중 입출력(massive MIMO(multiple-input and multiple-output)), 전차원 다중입출력(FD-MIMO: full dimensional MIMO), 어레이 안테나(array antenna), 아날로그 빔형성(analog beam-forming), 또는 대규모 안테나(large scale antenna)와 같은 기술들을 지원할 수 있다. 무선 통신 모듈(192)은 전자 장치(101), 외부 전자 장치(예: 전자 장치(104)) 또는 네트워크 시스템(예: 제 2 네트워크(199))에 규정되는 다양한 요구사항을 지원할 수 있다. 일실시예에 따르면, 무선 통신 모듈(192)은 eMBB 실현을 위한 Peak data rate(예: 20Gbps 이상), mMTC 실현을 위한 손실 Coverage(예: 164dB 이하), 또는 URLLC 실현을 위한 U-plane latency(예: 다운링크(DL) 및 업링크(UL) 각각 0.5ms 이하, 또는 라운드 트립 1ms 이하)를 지원할 수 있다.
안테나 모듈(197)은 신호 또는 전력을 외부(예: 외부의 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(190)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(190)과 외부의 전자 장치 간에 송신되거나 수신될 수 있다. 어떤 실시예에 따르면, 방사체 이외에 다른 부품(예: RFIC(radio frequency integrated circuit))이 추가로 안테나 모듈(197)의 일부로 형성될 수 있다.
일 실시예에 따르면, 안테나 모듈(197)은 mmWave 안테나 모듈을 형성할 수 있다. 일실시예에 따르면, mmWave 안테나 모듈은 인쇄 회로 기판, 상기 인쇄 회로 기판의 제 1 면(예: 아래 면)에 또는 그에 인접하여 배치되고 지정된 고주파 대역(예: mmWave 대역)을 지원할 수 있는 RFIC, 및 상기 인쇄 회로 기판의 제 2 면(예: 윗 면 또는 측 면)에 또는 그에 인접하여 배치되고 상기 지정된 고주파 대역의 신호를 송신 또는 수신할 수 있는 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다.
상기 구성요소들 중 적어도 일부는 주변 기기들간 통신 방식(예: 버스, GPIO(general purpose input and output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))을 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.
일 실시예에 따르면, 명령 또는 데이터는 제 2 네트워크(199)에 연결된 서버(108)를 통해서 전자 장치(101)와 외부의 전자 장치(104)간에 송신 또는 수신될 수 있다. 외부의 전자 장치(102, 또는 104) 각각은 전자 장치(101)와 동일한 또는 다른 종류의 장치일 수 있다. 일실시예에 따르면, 전자 장치(101)에서 실행되는 동작들의 전부 또는 일부는 외부의 전자 장치들(102, 104, 또는 108) 중 하나 이상의 외부의 전자 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(101)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(101)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부의 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부의 전자 장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 전자 장치(101)로 전달할 수 있다. 전자 장치(101)는 상기 결과를, 그대로 또는 추가적으로 처리하여, 상기 요청에 대한 응답의 적어도 일부로서 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 모바일 에지 컴퓨팅(MEC: mobile edge computing), 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다. 전자 장치(101)는, 예를 들어, 분산 컴퓨팅 또는 모바일 에지 컴퓨팅을 이용하여 초저지연 서비스를 제공할 수 있다. 다른 실시예에 있어서, 외부의 전자 장치(104)는 IoT(internet of things) 기기를 포함할 수 있다. 서버(108)는 기계 학습 및/또는 신경망을 이용한 지능형 서버일 수 있다. 일실시예에 따르면, 외부의 전자 장치(104) 또는 서버(108)는 제 2 네트워크(199) 내에 포함될 수 있다. 전자 장치(101)는 5G 통신 기술 및 IoT 관련 기술을 기반으로 지능형 서비스(예: 스마트 홈, 스마트 시티, 스마트 카, 또는 헬스 케어)에 적용될 수 있다.
도 2를 참조하면, 일 실시예의 통합 지능화 시스템(20)은 전자 장치(201)(예: 도 1의 전자 장치(101)), 지능형 서버(200)(예: 도 1의 서버(108)), 및 서비스 서버(300)(예: 도 1의 서버(108))를 포함할 수 있다.
일 실시 예의 전자 장치(201)는, 인터넷에 연결 가능한 단말 장치(또는, 전자 장치)일 수 있으며, 예를 들어, 휴대폰, 스마트폰, PDA(personal digital assistant), 노트북 컴퓨터, TV, 백색 가전, 웨어러블 장치, HMD, 또는 스마트 스피커일 수 있다.
도시된 실시 예에 따르면, 전자 장치(201)는 통신 인터페이스(202)(예: 도 1의 인터페이스(177)), 마이크(206)(예: 도 1의 입력 모듈(150)), 스피커(205)(예: 도 1의 음향 출력 모듈(155)), 디스플레이 모듈(204)(예: 도 1의 디스플레이 모듈(160)), 메모리(207)(예: 도 1의 메모리(130)), 또는 프로세서(203)(예: 도 1의 프로세서(120))를 포함할 수 있다. 상기 열거된 구성요소들은 서로 작동적으로 또는 전기적으로 연결될 수 있다.
일 실시 예의 통신 인터페이스(202)는 외부 장치와 연결되어 데이터를 송수신하도록 구성될 수 있다. 일 실시 예의 마이크(206)는 소리(예: 사용자 발화)를 수신하여, 전기적 신호로 변환할 수 있다. 일 실시예의 스피커(205)는 전기적 신호를 소리(예: 음성)로 출력할 수 있다.
일 실시 예의 디스플레이 모듈(204)은 이미지 또는 비디오를 표시하도록 구성될 수 있다. 일 실시 예의 디스플레이 모듈(204)은 또한 실행되는 앱(app)(또는, 어플리케이션 프로그램(application program))의 그래픽 사용자 인터페이스(graphic user interface)(GUI)를 표시할 수 있다. 일 실시 예의 디스플레이 모듈(204)은 터치 센서를 통해 터치 입력을 수신할 수 있다. 예를 들어, 디스플레이 모듈(204)은 디스플레이 모듈(204) 내에 표시되는 화상 키보드 영역의 터치 센서를 통해 텍스트 입력을 수신할 수 있다.
일 실시 예의 메모리(207)는 클라이언트 모듈(209), SDK(software development kit)(208), 및 복수의 앱들(211)을 저장할 수 있다. 상기 클라이언트 모듈(209), 및 SDK(208)는 범용적인 기능을 수행하기 위한 프레임워크(framework)(또는, 솔루션 프로그램)를 구성할 수 있다. 또한, 클라이언트 모듈(209) 또는 SDK(208)는 사용자 입력(예: 음성 입력, 텍스트 입력, 터치 입력)을 처리하기 위한 프레임워크를 구성할 수 있다.
일 실시 예의 메모리(207)에 저장된 상기 복수의 앱들(211)은 지정된 기능을 수행하기 위한 프로그램일 수 있다. 일 실시 예에 따르면, 복수의 앱(211)은 제1 앱(211_1), 제2 앱(211_2)을 포함할 수 있다. 일 실시 예에 따르면, 복수의 앱(211) 각각은 지정된 기능을 수행하기 위한 복수의 동작들을 포함할 수 있다. 예를 들어, 상기 앱들은, 알람 앱, 메시지 앱, 및/또는 스케줄 앱을 포함할 수 있다. 일 실시 예에 따르면, 복수의 앱들(211)은 프로세서(203)에 의해 실행되어 상기 복수의 동작들 중 적어도 일부를 순차적으로 실행할 수 있다.
일 실시 예의 프로세서(203)는 전자 장치(201)의 전반적인 동작을 제어할 수 있다. 예를 들어, 프로세서(203)는 통신 인터페이스(202), 마이크(206), 스피커(205), 및 디스플레이 모듈(204)과 전기적으로 연결되어 지정된 동작을 수행할 수 있다.
일 실시 예의 프로세서(203)는 또한 상기 메모리(207)에 저장된 프로그램을 실행시켜 지정된 기능을 수행할 수 있다. 예를 들어, 프로세서(203)는 클라이언트 모듈(209) 또는 SDK(208) 중 적어도 하나를 실행하여, 사용자 입력을 처리하기 위한 이하의 동작을 수행할 수 있다. 프로세서(203)는, 예를 들어, SDK(208)를 통해 복수의 앱(211)의 동작을 제어할 수 있다. 클라이언트 모듈(209) 또는 SDK(208)의 동작으로 설명된 이하의 동작은 프로세서(203)의 실행에 의한 동작일 수 있다.
일 실시 예의 클라이언트 모듈(209)은 사용자 입력을 수신할 수 있다. 예를 들어, 클라이언트 모듈(209)은 마이크(206)를 통해 감지된 사용자 발화에 대응되는 음성 신호를 수신할 수 있다. 또는, 클라이언트 모듈(209)은 디스플레이 모듈(204)을 통해 감지된 터치 입력을 수신할 수 있다. 또는, 클라이언트 모듈(209)은 키보드 또는 화상 키보드를 통해 감지된 텍스트 입력을 수신할 수 있다. 이 외에도, 전자 장치(201)에 포함된 입력 모듈 또는 전자 장치(201)에 연결된 입력 모듈을 통해 감지되는 다양한 형태의 사용자 입력을 수신할 수 있다. 상기 클라이언트 모듈(209)은 수신된 사용자 입력을 지능형 서버(200)로 송신할 수 있다. 클라이언트 모듈(209)은 수신된 사용자 입력과 함께, 전자 장치(201)의 상태 정보를 지능형 서버(200)로 송신할 수 있다. 상기 상태 정보는, 예를 들어, 앱의 실행 상태 정보일 수 있다.
일 실시 예의 클라이언트 모듈(209)은 수신된 사용자 입력에 대응되는 결과를 수신할 수 있다. 예를 들어, 클라이언트 모듈(209)은 지능형 서버(200)에서 상기 수신된 사용자 입력에 대응되는 결과를 산출할 수 있는 경우, 수신된 사용자 입력에 대응되는 결과를 수신할 수 있다. 클라이언트 모듈(209)은 상기 수신된 결과를 디스플레이 모듈(204)에 표시할 수 있다. 또한, 클라이언트 모듈(209)은 상기 수신된 결과를 스피커(205)를 통해 오디오로 출력할 수 있다.
일 실시 예의 클라이언트 모듈(209)은 수신된 사용자 입력에 대응되는 플랜을 수신할 수 있다. 클라이언트 모듈(209)은 플랜에 따라 앱의 복수의 동작을 실행한 결과를 디스플레이 모듈(204)에 표시할 수 있다. 클라이언트 모듈(209)은, 예를 들어, 복수의 동작의 실행 결과를 순차적으로 디스플레이 모듈(204)에 표시할 수 있고, 스피커(205)를 통해 오디오를 출력할 수 있다. 전자 장치(201)는, 다른 예를 들어, 복수의 동작을 실행한 일부 결과(예: 마지막 동작의 결과)만을 디스플레이 모듈(204)에 표시할 수 있으며, 스피커(205)를 통해 오디오로 출력할 수 있다.
일 실시 예에 따르면, 클라이언트 모듈(209)은 지능형 서버(200)로부터 사용자 입력에 대응되는 결과를 산출하기 위해 필요한 정보를 획득하기 위한 요청을 수신할 수 있다. 일 실시 예에 따르면, 클라이언트 모듈(209)은 상기 요청에 대응하여 상기 필요한 정보를 지능형 서버(200)로 송신할 수 있다.
일 실시 예의 클라이언트 모듈(209)은 플랜에 따라 복수의 동작을 실행한 결과 정보를 지능형 서버(200)로 송신할 수 있다. 지능형 서버(200)는 상기 결과 정보를 이용하여 수신된 사용자 입력이 올바르게 처리된 것을 확인할 수 있다.
일 실시 예의 클라이언트 모듈(209)은 음성 인식 모듈을 포함할 수 있다. 일 실시 예에 따르면, 클라이언트 모듈(209)은 상기 음성 인식 모듈을 통해 제한된 기능을 수행하는 음성 입력을 인식할 수 있다. 예를 들어, 클라이언트 모듈(209)은 지정된 입력(예: 웨이크 업!)을 통해 유기적인 동작을 수행하기 위한 음성 입력을 처리하기 위한 지능형 앱을 수행할 수 있다.
일 실시 예의 지능형 서버(200)는 통신 망(290)을 통해 전자 장치(201)로부터 사용자 음성 입력과 관련된 정보를 수신할 수 있다. 일 실시 예에 따르면, 지능형 서버(200)는 수신된 음성 입력과 관련된 데이터를 텍스트 데이터(text data)로 변경할 수 있다. 일 실시 예에 따르면, 지능형 서버(200)는 상기 텍스트 데이터에 기초하여 사용자 음성 입력과 대응되는 태스크(task)를 수행하기 위한 플랜(plan)을 생성할 수 있다
일 실시 예에 따르면, 플랜은 인공 지능(artificial intelligent)(AI) 시스템에 의해 생성될 수 있다. 인공지능 시스템은 룰 베이스 시스템(rule-based system) 일 수도 있고, 신경망 베이스 시스템(neural network-based system)(예: 피드포워드 신경망(feedforward neural network(FNN)), 순환 신경망(recurrent neural network(RNN))) 일 수도 있다. 또는, 전술한 것의 조합 또는 이와 다른 인공지능 시스템일 수도 있다. 일 실시 예에 따르면, 플랜은 미리 정의된 플랜의 집합에서 선택될 수 있거나, 사용자 요청에 응답하여 실시간으로 생성될 수 있다. 예를 들어, 인공지능 시스템은 미리 정의된 복수의 플랜 중 적어도 하나의 플랜을 선택할 수 있다.
일 실시 예의 지능형 서버(200)는 생성된 플랜에 따른 결과를 전자 장치(201)로 송신하거나, 생성된 플랜을 전자 장치(201)로 송신할 수 있다. 일 실시 예에 따르면, 전자 장치(201)는 플랜에 따른 결과를 디스플레이 모듈(204)에 표시할 수 있다. 일 실시 예에 따르면, 전자 장치(201)는 플랜에 따른 동작을 실행한 결과를 디스플레이 모듈(204)에 표시할 수 있다.
일 실시 예의 지능형 서버(200)는 프론트 엔드(front end)(210), 자연어 플랫폼(natural language platform)(220), 캡슐 데이터베이스(capsule DB)(230), 실행 엔진(execution engine)(240), 엔드 유저 인터페이스(end user interface)(250), 매니지먼트 플랫폼(management platform)(260), 빅 데이터 플랫폼(big data platform)(270), 및/또는 분석 플랫폼(analytic platform)(280)을 포함할 수 있다.
일 실시 예의 프론트 엔드(210)는 전자 장치(201)로부터 수신된 사용자 입력을 수신할 수 있다. 프론트 엔드(210)는 상기 사용자 입력에 대응되는 응답을 송신할 수 있다.
일 실시 예에 따르면, 자연어 플랫폼(220)은 자동 음성 인식 모듈(automatic speech recognition module)(ASR module)(221), 자연어 이해 모듈(natural language understanding module)(NLU module)(223), 플래너 모듈(planner module)(225), 자연어 생성 모듈(natural language generator module)(NLG module)(227) 또는 텍스트 음성 변환 모듈(text to speech module)(TTS module)(229)을 포함할 수 있다.
일 실시 예의 자동 음성 인식 모듈(221)은 전자 장치(201)로부터 수신된 음성 입력과 관련된 데이터를 텍스트 데이터로 변환할 수 있다. 일 실시 예의 자연어 이해 모듈(223)은 음성 입력의 텍스트 데이터를 이용하여 사용자의 의도를 파악할 수 있다. 예를 들어, 자연어 이해 모듈(223)은 텍스트 데이터 형태의 사용자 입력에 대하여 문법적 분석(syntactic analyze) 또는 의미적 분석(semantic analyze)을 수행하여 사용자의 의도를 파악할 수 있다. 일 실시 예의 자연어 이해 모듈(223)은 형태소 또는 구의 언어적 특징(예: 문법적 요소)을 이용하여 사용자 입력으로부터 추출된 단어의 의미를 파악하고, 상기 파악된 단어의 의미를 의도에 매칭시켜 사용자의 의도를 결정할 수 있다. 여기서 이용되는 "단어"는 하나의 단어 또는 복수의 단어(예: 구)를 지칭하는 것일 수 있다. 자연어 이해 모듈(223)은 사용자 발화에 대응되는 의도 정보(intent information)를 획득할 수 있다. 의도 정보는 텍스트 데이터를 해석하여 판단되는 사용자의 의도를 나타내는 정보일 수 있다. 의도 정보는 사용자가 디바이스를 이용하여 실행하고자 하는 동작 또는 기능을 나타내는 정보를 포함할 수 있다.
일 실시 예의 플래너 모듈(225)은 자연어 이해 모듈(223)에서 결정된 의도 및 파라미터를 이용하여 플랜을 생성할 수 있다. 일 실시 예에 따르면, 플래너 모듈(225)은 상기 결정된 의도에 기초하여 태스크를 수행하기 위해 필요한 복수의 도메인을 결정할 수 있다. 플래너 모듈(225)은 상기 의도에 기초하여 결정된 복수의 도메인 각각에 포함된 복수의 동작을 결정할 수 있다. 일 실시 예에 따르면, 플래너 모듈(225)은 상기 결정된 복수의 동작을 실행하는데 필요한 파라미터나, 상기 복수의 동작의 실행에 의해 출력되는 결과 값을 결정할 수 있다. 상기 파라미터, 및 상기 결과 값은 지정된 형식(또는, 클래스)의 컨셉으로 정의될 수 있다. 이에 따라, 플랜은 사용자의 의도에 의해 결정된 복수의 동작, 및 복수의 컨셉을 포함할 수 있다. 상기 플래너 모듈(225)은 상기 복수의 동작, 및 상기 복수의 컨셉 사이의 관계를 단계적(또는, 계층적)으로 결정할 수 있다. 예를 들어, 플래너 모듈(225)은 복수의 컨셉에 기초하여 사용자의 의도에 기초하여 결정된 복수의 동작의 실행 순서를 결정할 수 있다. 다시 말해, 플래너 모듈(225)은 복수의 동작의 실행에 필요한 파라미터, 및 복수의 동작의 실행에 의해 출력되는 결과에 기초하여, 복수의 동작의 실행 순서를 결정할 수 있다. 이에 따라, 플래너 모듈(225)은 복수의 동작, 및 복수의 컨셉 사이의 연관 정보(예: 온톨로지(ontology))가 포함된 플랜을 생성할 수 있다. 상기 플래너 모듈(225)은 컨셉과 동작의 관계들의 집합이 저장된 캡슐 데이터베이스(230)에 저장된 정보를 이용하여 플랜을 생성할 수 있다.
일 실시 예의 자연어 생성 모듈(227)은 지정된 정보를 텍스트 형태로 변경할 수 있다. 상기 텍스트 형태로 변경된 정보는 자연어 발화의 형태일 수 있다. 일 실시 예의 텍스트 음성 변환 모듈(229)은 텍스트 형태의 정보를 음성 형태의 정보로 변경할 수 있다.
일 실시 예에 따르면, 자연어 플랫폼(220)의 기능의 일부 기능 또는 전체 기능은 전자 장치(201)에서도 구현가능 할 수 있다.
상기 캡슐 데이터베이스(230)는 복수의 도메인에 대응되는 복수의 컨셉과 동작들의 관계에 대한 정보를 저장할 수 있다. 일 실시예에 따른 캡슐은 플랜에 포함된 복수의 동작 오브젝트(action object 또는, 동작 정보) 및 컨셉 오브젝트(concept object 또는 컨셉 정보)를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(230)는 CAN(concept action network)의 형태로 복수의 캡슐을 저장할 수 있다. 일 실시 예에 따르면, 복수의 캡슐은 캡슐 데이터베이스(230)에 포함된 기능 저장소(function registry)에 저장될 수 있다.
상기 캡슐 데이터베이스(230)는 음성 입력에 대응되는 플랜을 결정할 때 필요한 전략 정보가 저장된 전략 레지스트리(strategy registry)를 포함할 수 있다. 상기 전략 정보는 사용자 입력에 대응되는 복수의 플랜이 있는 경우, 하나의 플랜을 결정하기 위한 기준 정보를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(230)는 지정된 상황에서 사용자에게 후속 동작을 제안하기 위한 후속 동작의 정보가 저장된 후속 동작 레지스트리(follow up registry)를 포함할 수 있다. 상기 후속 동작은, 예를 들어, 후속 발화를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(230)는 전자 장치(201)를 통해 출력되는 정보의 레이아웃(layout) 정보를 저장하는 레이아웃 레지스트리(layout registry)를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(230)는 캡슐 정보에 포함된 어휘(vocabulary) 정보가 저장된 어휘 레지스트리(vocabulary registry)를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(230)는 사용자와의 대화(dialog)(또는, 인터렉션(interaction)) 정보가 저장된 대화 레지스트리(dialog registry)를 포함할 수 있다. 상기 캡슐 데이터베이스(230)는 개발자 툴(developer tool)을 통해 저장된 오브젝트를 업데이트(update)할 수 있다. 상기 개발자 툴은, 예를 들어, 동작 오브젝트 또는 컨셉 오브젝트를 업데이트하기 위한 기능 에디터(function editor)를 포함할 수 있다. 상기 개발자 툴은 어휘를 업데이트하기 위한 어휘 에디터(vocabulary editor)를 포함할 수 있다. 상기 개발자 툴은 플랜을 결정하는 전략을 생성 및 등록하는 전략 에디터(strategy editor)를 포함할 수 있다. 상기 개발자 툴은 사용자와의 대화를 생성하는 대화 에디터(dialog editor)를 포함할 수 있다. 상기 개발자 툴은 후속 목표를 활성화하고, 힌트를 제공하는 후속 발화를 편집할 수 있는 후속 동작 에디터(follow up editor)를 포함할 수 있다. 상기 후속 목표는 현재 설정된 목표, 사용자의 선호도 또는 환경 조건에 기초하여 결정될 수 있다. 일 실시 예에서는 캡슐 데이터베이스(230)는 전자 장치(201) 내에도 구현이 가능할 수 있다.
일 실시 예의 실행 엔진(240)은 상기 생성된 플랜을 이용하여 결과를 산출할 수 있다. 엔드 유저 인터페이스(250)는 산출된 결과를 전자 장치(201)로 송신할 수 있다. 이에 따라, 전자 장치(201)는 상기 결과를 수신하고, 상기 수신된 결과를 사용자에게 제공할 수 있다. 일 실시 예의 매니지먼트 플랫폼(260)은 지능형 서버(200)에서 이용되는 정보를 관리할 수 있다. 일 실시 예의 빅 데이터 플랫폼(270)은 사용자의 데이터를 수집할 수 있다. 일 실시 예의 분석 플랫폼(280)은 지능형 서버(200)의 QoS(quality of service)를 관리할 수 있다. 예를 들어, 분석 플랫폼(280)은 지능형 서버(200)의 구성 요소 및 처리 속도(또는, 효율성)를 관리할 수 있다.
일 실시 예의 서비스 서버(300)는 전자 장치(201)에 지정된 서비스(예: 음식 주문 또는 호텔 예약)를 제공할 수 있다. 일 실시 예에 따르면, 서비스 서버(300)는 제3 자에 의해 운영되는 서버일 수 있다. CP 서비스 A(301), CP 서비스 B(302), CP 서비스 C(303)와 같은 서비스 서버(300)의 서비스는 예를 들어 지능형 서버(200)의 프론트 엔드(210)와 인터페이스할 수 있다. 일 실시 예의 서비스 서버(300)는 수신된 사용자 입력에 대응되는 플랜을 생성하기 위한 정보를 지능형 서버(200)에 제공할 수 있다. 상기 제공된 정보는 캡슐 데이터베이스(230)에 저장될 수 있다. 또한, 서비스 서버(300)는 플랜에 따른 결과 정보를 지능형 서버(200)에 제공할 수 있다.
위에 기술된 통합 지능 시스템(20)에서, 상기 전자 장치(201)는, 사용자 입력에 응답하여 사용자에게 다양한 인텔리전트 서비스를 제공할 수 있다. 상기 사용자 입력은, 예를 들어, 물리적 버튼을 통한 입력, 터치 입력 또는 음성 입력을 포함할 수 있다.
일 실시 예에서, 상기 전자 장치(201)는 내부에 저장된 지능형 앱(또는, 음성 인식 앱)을 통해 음성 인식 서비스를 제공할 수 있다. 이 경우, 예를 들어, 전자 장치(201)는 상기 마이크를 통해 수신된 사용자 발화(utterance) 또는 음성 입력(voice input)을 인식하고, 인식된 음성 입력에 대응되는 서비스를 사용자에게 제공할 수 있다.
일 실시 예에서, 전자 장치(201)는 수신된 음성 입력에 기초하여, 단독으로 또는 상기 지능형 서버 및/또는 서비스 서버와 함께 지정된 동작을 수행할 수 있다. 예를 들어, 전자 장치(201)는 수신된 음성 입력에 대응되는 앱을 실행시키고, 실행된 앱을 통해 지정된 동작을 수행할 수 있다.
일 실시 예에서, 전자 장치(201)가 지능형 서버(200) 및/또는 서비스 서버(300)와 함께 서비스를 제공하는 경우에는, 상기 전자 장치(201)는, 상기 마이크(206)를 이용하여 사용자 발화를 감지하고, 상기 감지된 사용자 발화에 대응되는 신호(또는, 음성 데이터)를 생성할 수 있다. 상기 전자 장치(201)는, 상기 음성 데이터를 통신 인터페이스(202)를 이용하여 지능형 서버(200)로 송신할 수 있다.
일 실시 예에 따른 지능형 서버(200)는 전자 장치(201)로부터 수신된 음성 입력에 대한 응답으로써, 음성 입력에 대응되는 태스크(task)를 수행하기 위한 플랜, 또는 상기 플랜에 따라 동작을 수행한 결과를 생성할 수 있다. 상기 플랜은, 예를 들어, 사용자의 음성 입력에 대응되는 태스크(task)를 수행하기 위한 복수의 동작, 및 상기 복수의 동작과 관련된 복수의 컨셉을 포함할 수 있다. 상기 컨셉은 상기 복수의 동작의 실행에 입력되는 파라미터나, 복수의 동작의 실행에 의해 출력되는 결과 값을 정의한 것일 수 있다. 상기 플랜은 복수의 동작, 및 복수의 컨셉 사이의 연관 정보를 포함할 수 있다.
일 실시 예의 전자 장치(201)는, 통신 인터페이스(202)를 이용하여 상기 응답을 수신할 수 있다. 전자 장치(201)는 상기 스피커(205)를 이용하여 전자 장치(201) 내부에서 생성된 음성 신호를 외부로 출력하거나, 디스플레이 모듈(204)을 이용하여 전자 장치(201) 내부에서 생성된 이미지를 외부로 출력할 수 있다.
도 3은 다양한 실시 예에 따른, 컨셉과 동작의 관계 정보가 데이터베이스에 저장된 형태를 나타낸 도면이다.
상기 지능형 서버(예: 도 2의 지능형 서버(200))의 캡슐 데이터베이스(예: 도 2의 캡슐 데이터베이스(230))는 CAN (concept action network)(400) 형태로 캡슐을 저장할 수 있다. 상기 캡슐 데이터베이스는 사용자의 음성 입력에 대응되는 태스크를 처리하기 위한 동작, 및 상기 동작을 위해 필요한 파라미터를 CAN(concept action network) 형태로 저장될 수 있다.
상기 캡슐 데이터베이스는 복수의 도메인(예: 어플리케이션) 각각에 대응되는 복수의 캡슐(capsule(A)(401), capsule(B)(404))을 저장할 수 있다. 일 실시 예에 따르면, 하나의 캡슐(예: capsule(A)(401))은 하나의 도메인(예: 위치(geo), 어플리케이션)에 대응될 수 있다. 또한, 하나의 캡슐에는 캡슐과 관련된 도메인에 대한 기능을 수행하기 위한 적어도 하나의 서비스 제공자(예: CP 1(402) 또는 CP 2 (403))가 대응될 수 있다. 일 실시 예에 따르면, 하나의 캡슐은 지정된 기능을 수행하기 위한 적어도 하나 이상의 동작(410) 및 적어도 하나 이상의 컨셉(420)을 포함할 수 있다. CAN(400)은 CP 3(406)과 같은 다른 정보를 저장할 수 있다. 또한, 캡슐 B(404)는 서비스 제공자(예: CP 4(405))에 대응될 수 있다.
상기, 자연어 플랫폼(예: 도 2의 자연어 플랫폼(220))은 캡슐 데이터베이스에 저장된 캡슐을 이용하여 수신된 음성 입력에 대응하는 태스크를 수행하기 위한 플랜을 생성할 수 있다. 예를 들어, 자연어 플랫폼의 플래너 모듈(예: 도 2의 플래너 모듈(225))은 캡슐 데이터베이스에 저장된 캡슐을 이용하여 플랜을 생성할 수 있다. 예를 들어, 캡슐 A (401)의 동작들(4011,4013) 과 컨셉들(4012,4014) 및 캡슐 B(404)의 동작(4041)과 컨셉(4042)을 이용하여 플랜(407)을 생성할 수 있다.
도 4는 다양한 실시 예에 따른 전자 장치가 지능형 앱을 통해 수신된 음성 입력을 처리하는 화면을 나타낸 도면이다.
전자 장치(201)는 지능형 서버(예: 도 2의 지능형 서버(200))를 통해 사용자 입력을 처리하기 위해 지능형 앱을 실행할 수 있다.
일 실시 예에 따르면, 310 화면에서, 전자 장치(201)는 지정된 음성 입력(예: 웨이크 업!)을 인식하거나 하드웨어 키(예: 전용 하드웨어 키)를 통한 입력을 수신하면, 음성 입력을 처리하기 위한 지능형 앱을 실행할 수 있다. 전자 장치(201)는, 예를 들어, 스케줄 앱을 실행한 상태에서 지능형 앱을 실행할 수 있다. 일 실시 예에 따르면, 전자 장치(201)는 지능형 앱에 대응되는 오브젝트(예: 아이콘)(311)를 디스플레이 모듈(204)(예: 도 1의 디스플레이 모듈(160), 도 2의 디스플레이 모듈(204))에 표시할 수 있다. 일 실시 예에 따르면, 전자 장치(201)는 사용자 발화에 의한 음성 입력을 수신할 수 있다. 예를 들어, 전자 장치(201)는 "이번주 일정 알려줘!"라는 음성 입력을 수신할 수 있다. 일 실시 예에 따르면, 전자 장치(201)는 수신된 음성 입력의 텍스트 데이터가 표시된 지능형 앱의 UI(user interface)(313)(예: 입력창)를 디스플레이 모듈(204)에 표시할 수 있다.
일 실시 예에 따르면, 320 화면에서, 전자 장치(201)는 수신된 음성 입력에 대응되는 결과를 디스플레이 모듈(204)에 표시할 수 있다. 예를 들어, 전자 장치(201)는 수신된 사용자 입력에 대응되는 플랜을 수신하고, 플랜에 따라 '이번주 일정'을 디스플레이 모듈(204)에 표시할 수 있다.
도 5는 일 실시예에 따른, 전자 장치가 사용자의 발화를 처리하는 동작을 설명하기 위한 도면이다.
도 5를 참조하면, 일 실시예에 따르면, 전자 장치(501)는 도 1을 참조하여 설명한 전자 장치(101) 및 도 2를 참조하여 설명한 전자 장치(201)의 구성 중 적어도 일부를 포함할 수 있다. 지능형 서버(601)는 도 2를 참조하여 설명한 지능형 서버(200)의 구성 중 적어도 일부를 포함할 수 있다. 전자 장치(501) 및 지능형 서버(601)와 관련하여, 도 1 내지 도 4를 참조하여 설명한 부분과 중복되는 설명은 생략한다.
전자 장치(501)(예: 도 1의 전자 장치(101), 또는 도 2의 전자 장치(201))와 지능형 서버(601)(예: 도 2의 지능형 서버(200))는 근거리 통신망(local area network; LAN), 광역 통신망(wide area network; WAN), 부가가치 통신망(value added network; VAN), 이동 통신망(mobile radio communication network), 위성 통신망, 또는 이들의 상호 조합과 같은 통신망(502)을 통해 연결될 수 있다. 전자 장치(501) 및 지능형 서버(601)는 유선 통신 방법 또는 무선 통신 방법(예: 무선 랜(Wi-Fi), 블루투스, 블루투스 저 에너지(bluetooth low energy), 지그비(ZigBee), WFD(Wi-Fi Direct), UWB(ultra wide band), 적외선 통신(IrDA, infrared data association), NFC(near field communication))으로 서로 통신을 수행할 수 있다.
일 실시예에 따르면, 전자 장치(501)는 스마트폰(smartphone), 태블릿 PC(tablet personal computer), 이동 전화기(mobile phone), 스피커(예: AI 스피커), 영상 전화기, 전자책 리더기(e-book reader), 데스크탑 PC(desktop personal computer), 랩탑 PC(laptop personal computer), 넷북 컴퓨터(netbook computer), 워크스테이션(workstation), 서버, PDA(personal digital assistant), PMP(portable multimedia player), MP3 플레이어, 모바일 의료기기, 카메라(camera), 또는 웨어러블 장치(wearable device) 중 적어도 하나로 구현될 수 있다.
일 실시예에 따르면, 전자 장치(501)는 사용자의 발화에 대응되는 음성 신호를 획득하고, 음성 신호를 지능형 서버(601)로 전송할 수 있다. 지능형 서버(601)는 음성 신호에 기초하여 사용자의 발화에 대응하는 텍스트 데이터를 획득할 수 있다. 텍스트 데이터는 음성 신호에 ASR(automatic speech recognition)을 수행하여 음성 부분을 컴퓨터로 판독 가능한 텍스트로 변환한 것일 수 있다. 지능형 서버(601)는 텍스트 데이터를 이용하여 사용자의 발화를 분석할 수 있다. 지능형 서버(601)는 분석 결과(예: 의도 정보, 엔티티, 및/또는 캡슐)를 이용하여 필요한 기능을 수행하거나 사용자에게 제공할 응답(예: 질문, 답변)을 장치(예: 전자 장치(501))에 제공할 수 있다. 지능형 서버(601)는 소프트웨어로 구현될 수 있다. 지능형 서버(601)의 일부 또는 전부는 전자 장치(501) 및/또는 지능형 서버(601)(예: 도 2의 지능형 서버(200))에 구현될 수 있다. 지능형 서버(601)와의 통신 없이 발화를 처리할 수 있는 온 디바이스 AI(on-device artificial intelligence)가 전자 장치(501)에 탑재될 수 있다. 도 2 내지 도 4를 참조하여 설명된 자연어 플랫폼(220)과 같은 구성 요소들이 전자 장치(501)에서 구현될 수 있다.
일 실시예에 따르면, 전자 장치(501)는 발화의 중의성을 검증할 수 있다. 전자 장치(501)는 chit-chat 발화로 분류될 수도 있고 task-oriented 발화로 분류될 수 있는 발화를 검출할 수 있다. chit-chat 발화는 chatbot에서 사용되는 대화(예: open domain dialogue)에 기반한 것일 수 있다. task-oriented 발화는 사용자가 디바이스를 이용하여 실행하고자 하는 동작(또는 기능)을 위한 대화(예: task-oriented dialogue)에 기반한 것일 수 있다. chit-chat 발화는 자연어 플랫폼(예: 도 2의 자연어 플랫폼(220)) 내에 구현된 chatbot 도메인에서 처리되는 발화일 수 있다. task-oriented 발화는 자연어 플랫폼(220) 내 다른 도메인(예: chatbot이 아닌 다른 도메인)에서 처리되는 발화일 수 있다. 도메인(domain)은 사용자가 디바이스를 이용하여 실행하고자 하는 동작(또는 기능)과 연관된 영역(또는 카테고리)일 수 있다. 도메인(예: 어플리케이션)은 텍스트와 관련된 서비스에 따라 분류된 것일 수 있다. 도메인은 텍스트에 대응되는 의도 정보와 관련될 수 있다.
일 실시예에 따르면, 전자 장치(501)는 언어 모델(예: 도 6의 general LM(533) 및/또는 task-oriented LM(534))을 이용할 수 있다. 전자 장치(501)는 언어 모델(예: 도 6의 general LM(533) 및/또는 task-oriented LM(534))을 통해 발화의 중의성을 검증할 수 있다. 전자 장치(501)는 언어 모델(미도시)을 통해 발화(예: 텍스트 데이터 형태로 변환된 사용자 발화) 의도 분류를 수행할 수 있다. 발화 의도 분류에 사용되는 언어 모델의 학습 데이터와, 발화 중의성 검증에 사용되는 언어 모델의 학습 데이터는 상이한 것일 수 있다. 언어 모델은 언어의 특성을 표현한 것으로, 언어를 이루는 구성 요소(예: 글자, 형태소, 단어)에 확률 값을 부여한 것일 수 있다. 언어 모델은 뉴럴 네트워크에 기반하여 모델링된 것일 수 있다. 언어 모델은 자연여 플랫폼(220) 내의 다양한 모듈(예: 도 2의 자동 음성 인식 모듈(221), 도 2의 자연어 이해 모듈(223))의 구성요소로 사용될 수 있다. 예를 들어, 언어 모델은 발화에 대응되는 도메인(예: 발화를 처리하기 위한 도메인)을 판별하는 자연어 이해 모듈(223)의 구성 요소로 사용될 수 있다. 언어 모델을 포함하는 자연어 이해 모듈(223)은 언어 모델을 포함하지 않는 자연어 이해 모듈에 대비하여, 적은 수의 input-output 데이터셋만으로도 높은 판별 성능을 얻을 수 있고, 훈련의 수렴 속도가 증가하고, 데이터셋에 포함되지 않는 발화에 대해서도 높은 판별 성능을 가질 수 있다.
도 5를 참조하면, 일 실시예에 따르면, 전자 장치(501)는 발화(예: "사랑한다는 말 들려줘")를 수신할 수 있다. 발화는 중의적인 의미를 내포하고 있을 수 있다. 발화(예: "사랑한다는 말 들려줘")는 노래 '사랑한다는 말'을 들려 달라는 의미를 내포한 task-oriented 발화일 수 있다. 발화(예: "사랑한다는 말 들려줘")는 chatbot에게 "사랑한다"를 들려 달라는 의미를 내포한 chit-chat 발화일 수 있다. 전자 장치(501)는 언어 모델(예: 도 6의 general LM(533) 및/또는 task-oriented LM(534))을 통해 발화의 중의성을 검출할 수 있다. 전자 장치(501)는 언어 모델에 기초하여, 중의적인 발화에 대응되는 응답(예: "사랑해요")을 적절히 제공할 수 있다.
일 실시예에 따르면, 전자 장치(501)는 언어 모델을 이용할 수 있다. 전자 장치(501)는 발화 생성을 위해 언어 모델을 사용하는 것뿐만 아니라, 생성된 발화를 검증하기 위해 언어 모델을 사용할 수 있다. 전자 장치(501)는 언어 모델을 이용하여, 발화(예: 사용자 발화)의 중의성을 효율적으로 검증할 수 있다. 전자 장치(501)는 사전에 정의된 리스트(예: allow list, deny list)를 이용하지 않고서도 발화의 중의성을 검출할 수 있다. 비교 실시예에 따르면, 사전에 정의된 리스트를 이용하는 방법은, 중의적인 발화("사랑한다는 말 들려줘")에 대응하여 응답을 제공하지 못한 경우 deny list에 중의적인 발화를 기록하고 중의적인 발화에 대한 예외처리를 통해 문제를 해결하고는 했다. 사전에 정의된 리스트를 이용하는 방법은 allow list 및/또는 deny list를 관리해야 하며, 업데이트에 따른 리스트 갱신이 어렵고, 사후처리를 통해 중의적 발화에 대응하는 방식일 수 있다. 일 실시예에 따른 전자 장치(501)는 언어 모델을 이용함으로써 리스트를 관리할 필요 없이 발화에 대응할 수 있다. 전자 장치(501)는 리스트에 중의적 발화를 추가할 필요 없이, 중의적 발화를 수신한 즉시 대응할 수 있다.
일 실시예에 따르면, 전자 장치(501)는 사용자 발화의 의도 분류를 수행(예: 사용자 발화에 대응되는 의도 정보를 획득)한 후에, 사용자 발화의 중의성을 검증할 수 있다. 사용자 발화의 의도 분류를 수행하는 제1 시스템(예: 도 2의 자연어 플랫폼(220) 또는 도 2의 자연어 이해 모듈(223)) 및 사용자 발화의 중의성을 검증하는 제2 시스템은 전자 장치(501) 내에서 구현될 수 있다. 제1 시스템 및 제2 시스템은 서로 다른 시점에 반복적으로 업데이트 될 수 있다. 제2 시스템에 포함된 언어 모델은 제2 시스템의 구현 방법(예: 서버에 구현됨, 단말에 구현됨)에 따라 다양한 용량으로 구현될 수 있다. 제1 시스템과 제2 시스템이 결합된 전자 장치(501)(또는 지능형 서버(601))의 시스템은 분류 동작과 검증 동작이 결합된 시스템일 수 있다. 제1 시스템과 제2 시스템은 생성적 적대 신경망(generative adversarial network, GAN)의 생성기(generator)와 분류기(discriminator)처럼 결합하여 학습될 수 있다.
일 실시예에 따르면, 제1 시스템 및 제2 시스템은 언어 모델을 각각 포함할 수 있다. 제1 시스템과 제2 시스템의 언어 모델 사용 목적은 상이할 수 있다. 제1 시스템은 발화 의도 분류를 위해 언어 모델(미도시)을 사용할 수 있다. 또한, 제1 시스템은 발화 의도 분류 모듈의 학습 데이터를 생성하기 위해 언어 모델(미도시)을 사용할 수도 있다. 제2 시스템은 사용자 발화의 중의성 검증을 위해 언어 모델(예: 도 6의 general LM(533) 및/또는 task-oriented LM(534))을 사용할 수 있다. 제2 시스템의 언어 모델에 입력된 사용자 발화가 chit-chat 발화 및/또는 task-oriented 발화와 유사한지를 판단하기 위해, 제2 시스템은 언어 모델을 사용할 수 있다. 제1 시스템에 포함된 언어 모델(미도시)의 학습 데이터와 제2 시스템에 포함된 언어 모델(예: 도 6의 general LM(533) 및/또는 task-oriented LM(534))의 학습 데이터는 상이한 것일 수 있다. 제1 시스템의 언어 모델은 지정된 도메인에 대한 학습 데이터에 의해 구성될 수 있다. 제2 시스템의 언어 모델은 크롤링되는 데이터 및/또는 트랜드에 따라 잦은 변경이 수행될 수 있다. 제2 시스템의 언어 모델은 제1 시스템의 언어 모델에 비해 잦은 시점에 반복적으로 업데이트될 수 있다. 전자 장치(501)는 사용자 발화의 의도 분류를 수행하는 제1 시스템과 사용자 발화의 중의성을 검증하는 제2 시스템을 별도의 시스템으로 구성함으로써, 제1 시스템의 업데이트 시점과 제2 시스템의 업데이트 시점을 상이하게 설정할 수 있다. 전자 장치(501)는 제1 시스템의 업데이트 시점과 제2 시스템의 업데이트 시점을 달리 설정함으로써, 효율적인 시스템을 운영할 수 있다. 또한, 전자 장치(501)는 제1 시스템과 제2 시스템을 별도의 시스템으로 구성하지 않고 하나의 시스템으로 구성하여 사용자 발화를 처리할 수도 있다.
일 실시예에 따르면, 전자 장치(501)에서 수행되는 동작의 일부 또는 전부는 전자 장치(501) 및/또는 지능형 서버(601)에서 수행될 수 있다. 이하에서는 전자 장치(501)의 수행을 전제로 설명을 이어가도록 한다.
도 6은 일 실시예에 따른, 전자 장치의 개략적인 블록도이다.
도 6을 참조하면, 일 실시예에 따르면, 전자 장치(501)는 도 1을 참조하여 설명한 전자 장치(101) 및 도 2를 참조하여 설명한 전자 장치(201)의 구성 중 적어도 일부를 포함할 수 있다. 전술한 바와 같이, 지능형 서버(예: 도 2의 지능형 서버(200), 도 5의 지능형 서버(601))와의 통신 없이 발화를 처리할 수 있는 온 디바이스 AI(on-device artificial intelligence)가 전자 장치(501)에 탑재될 수 있다. 도 2 내지 도 4를 참조하여 설명한 자연어 플랫폼(220)이 전자 장치(501)에서 구현될 수 있다. 전자 장치(501)와 관련하여, 도 1 내지 도 4를 참조하여 설명한 부분과 중복되는 설명은 생략한다. 전자 장치(501)는 프로세서(520)(예: 도 1의 프로세서(120), 도 2의 프로세서(203)), 프로세서(520)와 전기적으로 연결된 메모리(530)(예: 도 1의 메모리(130), 도 2의 메모리(207))를 포함할 수 있다. 프로세서(520)(예: 어플리케이션 프로세서)는 메모리(530)에 억세스하여 인스트럭션들을 실행할 수 있다. 프로세서(520)는 사용자에게 응답을 제공하기 위한 동작을 수행할 수 있다. 메모리(530)는 전자 장치(501)의 적어도 하나의 구성요소(예: 프로세서(520))에 의해 사용되는 다양한 데이터를 저장할 수 있다.
일 실시예에 따르면, 동작 521 내지 525는 전자 장치(501)의 프로세서(520)에서 수행되는 것으로 이해될 수 있다. 이하 실시예에서 각 동작들은 순차적으로 수행될 수도 있으나, 반드시 순차적으로 수행되는 것은 아니다. 예를 들어, 각 동작들의 순서가 변경될 수도 있으며, 적어도 두 동작들이 병렬적으로 수행될 수도 있다.
일 실시예에 따르면, 동작 521에서, 프로세서(520)는 음성 인식을 수행할 수 있다. 즉, 프로세서(520)는 전자 장치(501)로부터 수신된 음성 입력(예: "사랑한다는 말 들려줘")과 관련된 데이터(예: 음성 신호)를 텍스트 데이터로 변환할 수 있다. 전자 장치(501)에 온 디바이스 AI(on-device artificial intelligence)가 탑재됨으로써, 자동 음성 인식 모듈(예: 도 2의 자동 음성 인식 모듈(221))이 전자 장치(501)에서 구현된 것일 수 있다.
일 실시예에 따르면, 동작 522에서, 프로세서(520)는 발화(예: 텍스트 데이터 형태로 변환된 사용자 발화) 의도 분류를 수행할 수 있다. 즉, 프로세서(520)는 사용자 발화에 대응되는 제1 의도 정보를 획득할 수 있다. 의도 정보는 텍스트 데이터를 해석하여 판단되는 사용자의 의도를 나타내는 정보일 수 있다. 의도 정보는 사용자가 디바이스를 이용하여 실행하고자 하는 동작 또는 기능을 나타내는 정보를 포함할 수 있다. 전자 장치(501)에 온 디바이스 AI(on-device artificial intelligence)가 탑재됨으로써, 의도 정보를 획득하는 모듈(예: 도 2의 자연어 이해 모듈(223))이 전자 장치(501)에서 구현된 것일 수 있다. 의도 정보를 획득하는 모듈(예: 도 2의 자연어 이해 모듈(223))은 언어 모델(미도시)을 포함할 수 있다.
일 실시예에 따르면, 동작 523에서, 프로세서(520)는 발화의 중의성 검증을 수행할 수 있다. 즉, 프로세서(520)는 언어 모델(예: general LM(533) 및/또는 task-oriented LM(534))을 포함하는 중의성 검증 모듈(예: 제1 중의성 검증 모듈(531) 및/또는 제2 중의성 검증 모듈(532))에 기초하여, 텍스트 데이터 및 의도 정보로부터 중의성 지표값(ambiguity index value)을 획득할 수 있다. 중의성 지표값은 언어 모델의 학습 데이터와 텍스트 데이터(예: 발화에 대응하는 텍스트 데이터)의 유사도를 나타내는 것일 수 있다.
일 실시예에 따르면, 프로세서(520)는 중의성 검증 시 적어도 하나의 언어 모델(예: general LM(533) 및/또는 task-oriented LM(534))을 이용할 수 있다. 프로세서(520)는 중의성 검증 시 하나의 언어 모델(예: general LM(533)을 이용할 수 있다. 프로세서(520)는 중의성 검증 시 복수의 언어 모델(예: general LM(533) 및 task-oriented LM(534))을 이용할 수 있다. 도 5를 통해 전술한 바와 같이, 프로세서(520)는 발화 의도 분류 시 언어 모델(미도시)을 이용할 수 있다. 발화 의도 분류 시 이용되는 언어 모델(미도시)의 학습 데이터와 중의성 검증 시 이용되는 언어 모델(예: general LM(533) 및/또는 task-oriented LM(534))의 학습 데이터는 상이한 것일 수 있다. 프로세서(520)는 상이한 학습 데이터(예: 발화 의도 분류 시 이용되는 언어 모델(미도시)의 학습 데이터와는 상이한 학습 데이터)에 기초하여 학습된 언어 모델(예: general LM(533) 및/또는 task-oriented LM(534))을 중의성 검증에 사용함으로써 발화 의도 분류 모듈이 검출해내지 못한 부분을 검출해낼 수 있다.
일 실시예에 따르면, 언어 모델(예: general LM(533), task-oriented LM(534))은 언어의 특성을 표현한 것으로, 언어를 이루는 구성 요소(예: 글자, 형태소, 단어)에 확률 값을 부여한 것일 수 있다. 언어 모델은 뉴럴 네트워크에 기반하여 모델링된 것일 수 있다. 프로세서(520)는 언어 모델을 포함하는 중의성 검증 모듈을 이용함으로써 언어 모델을 포함하지 않은 검증 모듈(예: 사전 정의된 allow list 및/또는 deny list를 포함하는 검증 모듈)을 이용하는 경우보다, 적은 수의 학습 데이터만으로도 높은 검증 성능을 얻을 수 있고 훈련 속도를 증가시킬 수 있다. 프로세서(520)는 리스트에 대해서 학습할 필요가 없고, 리스트 데이터보다 적은 양의 학습 데이터만을 필요로 할 수 있다. 프로세서(520)는 사전 정의된 리스트를 이용하는 방식보다 텍스트 매칭과 관련하여, 높은 성능을 가질 수 있다. 언어 모델은 언어 모델의 훈련에 사용된 훈련 데이터의 구조적 범위, 의미적 범위, 문법적 범위, 및/또는 표현적 범위 내에서 입력 데이터와 훈련데이터의 유사도를 측정할 수 있다.
일 실시예에 따르면, 언어 모델의 훈련 데이터에 기초하여, 도 6에 개시된 언어 모델은 general LM(533) 및 task-oriented LM(534)으로 구분될 수 있다. general LM(533)은 데이터 크롤링을 통해 수집된 발화에 기초하여 학습된 것일 수 있다. general LM(533)의 학습 데이터는 보이스 어시스턴트에 대한 통상적인 명령(예: task-oriented 발화)과는 달리, 일반 평서문을 포함한 다양한 발화에 기초한 것일 수 있다. 프로세서(520)는 general LM(533)에 기초하여 chit-chat 발화를 검출할 수 있다. 프로세서(520)는 chatbot에서 사용되는 대화(예: open domain dialogue)에 기초하여 학습된 언어 모델 대신에 general LM(533)을 사용할 수 있다. task-oriented LM(534)은 task-oriented 발화에 기초하여 학습된 것일 수 있다. task-oriented 발화는 사용자가 디바이스를 이용하여 실행하고자 하는 동작(또는 기능)을 위한 대화(예: task-oriented dialogue)에 기반한 것일 수 있다. 예를 들어, general LM(533)은 발화 "네 목소리 들려줘"가 general LM(533)의 학습 데이터와 유사하다고 판단할 수 있다. 프로세서(520)는 general LM(533)에 기초하여 발화 "네 목소리 들려줘"에 대해 임계값(예: 중의성 판단을 위한 임계값)에 근접한 중의성 지표값을 출력할 수 있다. 예를 들어, task-oriented LM(534)은 발화 "날씨 알려줘"가 task-oriented LM(534)의 학습 데이터와 유사하다고 판단할 수 있다. 프로세서(520)는 task-oriented LM(534)에 기초하여 발화 "날씨 알려줘"에 대해 임계값(예: 중의성 판단을 위한 임계값)에 근접한 중의성 지표값을 출력할 수 있다.
일 실시예에 따르면, 중의성 지표값은 언어 모델 기반 probability 값, perplexity 값, 및/또는 uncertainty 값에 기초하여 출력된 값일 수 있다. 중의성 지표값은 각각의 언어 모델의 학습 데이터와 발화 간의 유사도를 나타내는 것일 수 있다. 중의성 지표값의 평가 지표(예: probability 값, perplexity 값, uncertainty 값)는 하나만 사용될 수 있다. 중의성 지표값의 평가 지표는 여러 개가 병렬적으로 사용될 수 있다. 여러 개의 평가 지표를 병렬적으로 사용하는 방법은 복수의 평가 지표 중 임계값을 초과한평가 지표의 값을 출력하는 방법을 포함할 수 있다. 여러 개의 평가 지표를 병렬적으로 사용하는 방법은 복수의 평가 지표 모두가 임계값을 초과한 경우에, 임계값을 초과한 평가 지표의 값을 모두 출력하는 방법을 포함할 수 있다. 여러 개의 평가 지표를 병렬적으로 사용하는 방법은 복수의 평가 지표를 정규화하여 더하는 방법을 포함할 수 있다. 여러 개의 평가 지표를 병렬적으로 사용하는 방법은 복수의 평가 지표를 가중합하여 출력하는 방법을 포함할 수 있다. 예를 들어, 입력된 텍스트, x에 대해 복수의 평가 지표를 가중합하여 출력된 중의성 지표값(ambiguity index value)은 수학식 1을 통해 계산될 수 있다.
[수학식 1]
Figure PCTKR2023011011-appb-img-000001
수학식 1에서, a1, a2, a3는 설정된 상수(또는 가중치)이며, 훈련 데이터를 통해 도출될 수 있다. 위 수학식 1은 단지 이해를 돕기 위한 예시일 뿐, 이에 제한되지 않으며, 다양한 방식으로 변형, 응용 또는 확장될 수 있다.
일 실시예에 따르면, 프로세서(520)는 중의성 지표값이 임계값보다 큰 경우, 입력 텍스트 x가 중의적인 의미를 내포할 수 있다고(예: 언어 모델의 학습 데이터와 입력 텍스트 x의 유사하다고) 판단할 수 있다. 중의성 지표 값은 0보다 크고 1보다 작은 값을 가질 수 있다. 평가 지표 값은 0보다 크고 1보다 작은 값을 가질 수 있다.
일 실시예에 따르면, 중의성 지표값의 평가 지표인 probability 값은 언어 모델의 출력에 대한 개연성을 나타내는 것일 수 있다. probability 값이 상대적으로 높을수록, 언어 모델의 학습 데이터와 입력 데이터(예: 발화)가 상대적으로 높은 유사도를 갖는다고 판단될 수 있다.
일 실시예에 따르면, 중의성 지표값의 평가 지표인 perplexity 값은 언어 모델의 학습 데이터에 대비하여 입력 데이터가 얼마나 새로운지를 나타내는 값일 수 있다. 예를 들어, 뉴스 도메인 데이터로 학습한 언어 모델에 대해서, 발화 "SBS 틀어줘"는 0에 근접한 perplexity 값을 가지고, 발화 "스키 타러 가자"’는 1에 근접한 perplexity 값을 가질 수 있다. perplexity 값이 낮을수록 발화는 언어 모델의 확률 분포와 실질적으로 유사하다고 할 수 있다. perplexity 값은 수학식 2를 통해 계산될 수 있다.
[수학식 2]
Figure PCTKR2023011011-appb-img-000002
수학식 2에서, H(p)는 확률 분포의 엔트로피일 수 있다. 수학식 2는 단지 이해를 돕기 위한 예시일 뿐, 이에 제한되지 않으며, 다양한 방식으로 변형, 응용 또는 확장될 수 있다. perplexity 값이 상대적으로 낮을수록, 언어 모델의 학습 데이터와 입력 데이터(예: 발화)가 상대적으로 높은 유사도를 갖는다고 판단될 수 있다.
일 실시예에 따르면, 중의성 지표값의 평가 지표인 uncertainty 값은 언어 모델의 학습 데이터와는 상이한 유형의 데이터가 입력된 경우 언어 모델의 출력에 대한 불확실성의 정도를 나타내는 값일 수 있다. 예를 들어, 날씨 도메인 데이터로 학습된 언어 모델에 대해서, 발화 "전화 걸어줘"는 1에 근접한 uncertainty 값에 대응될 수 있다. uncertainty 값이 상대적으로 낮을수록 입력 데이터(예: 발화)는 언어 모델의 학습 데이터와 유사도가 상대적으로 높다고 할 수 있다.
일 실시예에 따르면, 프로세서(520)는 평가 지표(예: probability 값, perplexity 값, 및/또는 uncertainty 값)에 가중치를 부여하여 중의성 지표값을 출력할 수 있다. 프로세서(520)는 중의성 검증 모듈(예: 제1 중의성 검증 모듈(531) 및/또는 제2 중의성 검증 모듈(532))이 출력한 중의성 지표값 중 적어도 하나가 임계값보다 높은 경우 발화(또는 발화에 대응하는 텍스트)가 중의성을 내포할 수 있다고 판단할 수 있다. 프로세서(520)는 중의성 지표값이 임계값보다 높은 경우 의도 정보를 재획득할 수 있다.
일 실시예에 따르면, 동작 524에서, 프로세서(520)는 발화 의도 재분류를 수행할 수 있다. 프로세서(520)는 사용자 발화에 대응되는 적어도 하나의 제2 의도 정보를 획득할 수 있다. 예를 들어, 프로세서(520)는 n-best 알고리즘에 기초하여 적어도 하나의 제2 의도 정보를 획득할 수 있다. 예를 들어, 프로세서(520)는 제1 의도 정보를 제외하고 발화 의도 재분류를 수행할 수 있다. 동작 524는 생략될 수도 있다. 프로세서(520)가 발화가 중의성을 내포하고 있다고 판단한 경우, 프로세서(520)는 동작 522의 의도 분류 수행시 획득된 다른 의도 정보들(예: 제1 의도 정보와는 상이한, 의도 정보 후보들)을 동작 525에서 선별할 수 있다.
일 실시예에 따르면, n-best 알고리즘은 발화와 가장 높은 확률로 대응되는 의도 정보뿐만 아니라, 발화와 대응될 수 있는 확률 분포상 상위 n개의 의도 정보를 출력하는 방식일 수 있다. 예를 들어, 발화 "미세 먼지 알려줘"에 대하여 날씨에 대한 정보를 포함하는 의도 정보(예: 발화와 가장 높은 확률로 대응되는 의도 정보)뿐만 아니라 공기 청정 장치에 대한 액션을 포함하는 의도 정보(예: 발화와 대응될 가능성이 있는 의도 정보)가 획득될 수 있다. 적어도 하나의 제2 의도 정보는 동작 522에서 획득된 제1 의도 정보를 포함할 수 있다.
일 실시예에 따르면, 프로세서(520)는 제1 의도 정보를 제외하고 발화 의도 재분류를 수행할 수 있다. 적어도 하나의 제2 의도 정보는 동작 522에서 획득된 제1 의도 정보와는 상이할 수 있다. 제1 의도 정보를 제외하고 발화 의도 재분류를 수행하는 방식은 제1 의도 정보(예: 발화에 대응될 가능성이 가장 높은 의도 정보)가 적어도 하나의 제2 의도 정보(예: 발화에 대응될 가능성이 있는 의도 정보)보다 지배적으로 우세한 경우에도 발화 의도 재분류를 수행하는 방식일 수 있다. 예를 들어, 제1 의도 정보 및 적어도 하나의 제2 의도 정보(예: 제3 의도 정보, 제4 의도 정보, 및 제5 의도 정보를 포함하는 적어도 하나의 제2 의도 정보)의 대응 가능성(예: 발화 대응 가능성)이 제1 의도 정보: 제3 의도 정보: 제4 의도 정보: 제5 의도 정보 = 90:4:3:3인 경우, 지배적으로 우세한 제1 의도 정보를 제외한, 적어도 하나의 제2 의도 정보 간 대응 가능성의 분포가 기존의 대응 가능성의 분포와 상이할 수 있다. 예를 들어, 지배적으로 우세한 제1 의도 정보를 제외한 대응 가능성은, 제3 의도 정보: 제4 의도 정보: 제5 의도 정보 = 80:10:10일 수 있다. 예를 들어, 지배적으로 우세한 제1 의도 정보를 제외한 대응 가능성은, 제3 의도 정보: 제4 의도 정보: 제5 의도 정보 = 41:39:20일 수도 있다. 제1 의도 정보를 제외한 발화 의도 재분류가 수행됨으로써, 적어도 하나의 제2 의도 정보 중에서도 지배적으로 우세한 의도 정보가 있는지 확인될 수 있다.
일 실시예에 따르면, 동작 525에서, 프로세서(520)는 발화 의도 선별을 수행할 수 있다. 프로세서(520)는 적어도 하나의 제2 의도 정보(예: 제1 의도 정보 및/또는 제2 의도 정보) 중에서 선별된 의도 정보를 이용하여 사용자에게 응답을 제공할 수 있다. 프로세서(520)는 사용자 히스토리 또는 외부 데이터베이스에 기초하여, 적어도 하나의 제2 의도 정보(예: 제1 의도 정보 및/또는 제2 의도 정보) 중에서 선별된 의도 정보를 이용하여 사용자에게 응답을 제공할 수 있다. 프로세서(520)는 적어도 하나의 제2 의도 정보(예: 제1 의도 정보 및/또는 제2 의도 정보) 중 사용자의 선택에 의해 획득된 의도 정보를 이용하여 사용자에게 응답을 제공할 수도 있다.
일 실시예에 따르면, 프로세서(520)는 사용자의 발화 이력 및/또는 개인화된 언어 모델에 기초하여 의도 정보를 선별할 수 있다. 예를 들어, 사용자가 가수 김동률의 노래 '사랑한다는 말'을 많이 들었거나 사용자의 음악 어플리케이션의 사용 빈도(예: 발화를 이용한 어플리케이션의 사용 빈도)가 다른 사용자에 비해 높은 경우, 중의성 있는 발화 "사랑한다는 말 들려줘"에 대응되는 의도 정보는 노래 재생에 대한 정보를 포함할 수 있다. 프로세서(520)는 발화에서 추출된 개체명(예: 미리 정의해 둔 사람, 회사, 장소, 시간, 단위와 같은 개체명)을 외부 데이터베이스(예: 검색 엔진)에 검색한 결과를 이용하여 의도 정보를 선별할 수도 있다. 예를 들어, 김동률의 노래 '사랑한다는 말'이 온라인 상에서 다시 유행하게 된 경우, 노래 재생에 대한 정보를 포함하는 의도 정보가 다른 의도 정보에 비해 높은 우선 순위를 가질 수 있다. 프로세서(520)는 사용자에게 발화의 중의성이 있음을 알린 결과(예: 사용자의 선택)에 의해 획득된 의도 정보를 이용할 수 있다. 발화의 중의성을 사용자에게 알리는 방법은 발화의 중의성 유무를 알리는 방법을 포함할 수 있다. 발화의 중의성을 사용자에게 알리는 방법은 중의성 있는 발화가 해석되어 판단된 사용자의 의도(예: 제1 의도 정보)를 같이 알리는 방법을 포함할 수 있다.
도 7a 및 도 7b는 일 실시예에 따른 전자 장치가 사용자 발화를 처리하는 동작을 설명하기 위한 일 예이다.
도 7a를 참조하면, 비교 실시예에 따른 전자 장치(701)는 발화(예: "사랑한다는 말 들려줘")를 수신할 수 있다. 발화는 중의적인 의미를 내포하고 있을 수 있다. 발화(예: "사랑한다는 말 들려줘")는 노래 '사랑한다는 말'을 들려 달라는 의미를 내포한 task-oriented 발화일 수 있다. 발화(예: "사랑한다는 말 들려줘")는 chatbot에게 "사랑한다"를 들려 달라는 의미를 내포한 chit-chat 발화일 수 있다. 동작 711에서, 전자 장치(701)의 프로세서(720)는 음성 인식을 수행할 수 있다. 프로세서(720)는 전자 장치(701)로부터 수신된 음성 입력(예: “사랑한다는 말 들려줘”)과 관련된 데이터(예: 음성 신호)를 텍스트 데이터로 변환할 수 있다. 동작 712에서, 프로세서(720)는 발화 의도 분류를 수행할 수 있다. 전자 장치(701)의 프로세서(720)는 발화 "사랑한다는 말 들려줘"에 대응하여 노래 재생에 대한 정보를 포함하는 의도 정보(예: PlaySong(사랑한다는말_SongTitle))를 획득할 수 있다. 전자 장치(701)는 의도 정보(예: PlaySong(사랑한다는말_SongTitle))에 기초하여 노래 '사랑한다는 말'을 재생할 수 있다. chatbot에게 "사랑한다"를 들려 달라는 의미로 발화한 사용자는 전자 장치(701)의 동작에 대하여 불만을 가질 수 있다.
도 7b를 참조하면, 일 실시예에 따른 전자 장치(501)(예: 도 1의 전자 장치(101), 도 2의 전자 장치(201))는 언어 모델(예: general LM(533))에 기초하여 발화(예: "사랑한다는 말 들려줘")의 중의성을 검증할 수 있다. 동작 721 내지 725는 전자 장치(501)의 프로세서(520)(예: 도 1의 프로세서(120), 도 2의 프로세서(203))에서 수행되는 것으로 이해될 수 있다. 이하 실시예에서 각 동작들은 순차적으로 수행될 수도 있으나, 반드시 순차적으로 수행되는 것은 아니다. 예를 들어, 각 동작들의 순서가 변경될 수도 있으며, 적어도 두 동작들이 병렬적으로 수행될 수도 있다.
일 실시예에 따르면, 동작 721에서, 프로세서(520)는 음성 인식을 수행할 수 있다. 즉, 프로세서(520)는 전자 장치(501)로부터 수신된 음성 입력(예: “사랑한다는 말 들려줘”)과 관련된 데이터(예: 음성 신호)를 텍스트 데이터로 변환할 수 있다.
일 실시예에 따르면, 동작 722에서, 프로세서(520)는 발화(예: 텍스트 데이터 형태로 변환된 사용자 발화) 의도 분류를 수행할 수 있다. 즉, 프로세서(520)는 사용자 발화에 대응되는 제1 의도 정보(예: PlaySong(사랑한다는말_SongTitle))를 획득할 수 있다.
일 실시예에 따르면, 동작 723에서, 프로세서(520)는 발화의 중의성 검증을 수행할 수 있다. 즉, 프로세서(520)는 언어 모델(예: general LM(533))을 포함하는 중의성 검증 모듈(예: 제1 중의성 검증 모듈(531))에 기초하여, 텍스트 데이터 및 의도 정보로부터 중의성 지표값(예: 제1 중의성 검증 모듈(531)이 출력한 0.82)을 획득할 수 있다. 중의성 지표값은 언어 모델의 학습 데이터와 텍스트 데이터(예: 발화에 대응하는 텍스트 데이터)의 유사도를 나타내는 것일 수 있다. 프로세서(520)는 중의성 지표값(예: 제1 중의성 검증 모듈(531)이 출력한 0.82)이 임계값(예: 0.7, 이에 한정되지 않음)보다 높으므로 발화가 중의성을 내포하고 있다고 판단할 수 있다. 도 5를 통해 전술한 바와 같이, 프로세서(520)는 발화 의도 분류 시 언어 모델(미도시)을 이용할 수 있다. 발화 의도 분류 시 이용되는 언어 모델(미도시)의 학습 데이터와 중의성 검증 시 이용되는 언어 모델(예: general LM(533))의 학습 데이터는 상이한 것일 수 있다. 프로세서(520)는 상이한 학습 데이터(예: 발화 의도 분류 시 이용되는 언어 모델(미도시)의 학습 데이터와는 상이한 학습 데이터)에 기초하여 학습된 언어 모델(예: general LM(533))을 중의성 검증에 사용함으로써 발화 의도 분류 모듈이 검출해내지 못한 부분을 검출해낼 수 있다.
일 실시예에 따르면, 동작 724에서, 프로세서(520)는 발화 의도 재분류를 수행할 수 있다. 프로세서(520)는 사용자 발화에 대응되는 적어도 하나의 제2 의도 정보(예: ChatBot(사랑한다는말_love), PlaySong(사랑한다는말_SongTitle))를 획득할 수 있다. 동작 724는 생략될 수도 있다. 프로세서(520)가 발화가 중의성을 내포하고 있다고 판단한 경우, 프로세서(520)는 동작 722의 의도 분류 수행시 획득된 다른 의도 정보들(예: 제1 의도 정보와는 상이한, 의도 정보 후보들)을 동작 725에서 선별할 수 있다.
일 실시예에 따르면, 동작 725에서, 프로세서(520)는 발화 의도 선별을 수행할 수 있다. 프로세서(520)는 적어도 하나의 제2 의도 정보(예: 제1 의도 정보 및/또는 제2 의도 정보) 중에서 선별된 의도 정보(예: ChatBot(사랑한다는말_love))를 이용하여 사용자에게 응답을 제공할 수 있다. 전자 장치(501)는 선별된 의도 정보(예: ChatBot(사랑한다는말_love))에 기초하여 사용자에게 "사랑해요"라고 발화할 수 있다.
도 8a 및 도 8b은 일 실시예에 따른 전자 장치가 사용자 발화를 처리하는 동작을 설명하기 위한 일 예이다.
도 8a를 참조하면, 비교 실시예에 따른 전자 장치(801)는 발화(예: "5분만 더 들려줘")를 수신할 수 있다. 발화는 중의적인 의미를 내포하고 있을 수 있다. 발화(예: "5분만 더 들려줘")는 노래 '5분만 더'를 들려 달라는 의미를 내포한 task-oriented 발화일 수 있다. 발화(예: "5분만 더 들려줘")는 현재 재생 중인 노래를 5분만 더 들려달라는 의미를 내포한 task-oriented 발화일 수 있다. 동작 811에서, 전자 장치(801)의 프로세서(820)는 음성 인식을 수행할 수 있다. 프로세서(820)는 전자 장치(801)로부터 수신된 음성 입력(예: “5분만 더 들려줘”)과 관련된 데이터(예: 음성 신호)를 텍스트 데이터로 변환할 수 있다. 동작 812에서, 프로세서(820)는 발화 의도 분류를 수행할 수 있다. 전자 장치(801)의 프로세서(820)는 발화 "5분만 더 들려줘"에 대응하여, 곡명에 대한 정보를 포함하는 의도 정보(예: PlaySong(5분만 더_SongTitle))를 획득할 수 있다. 전자 장치(801)는 의도 정보(예: PlaySong(5분만 더_SongTitle))에 기초하여 노래 '5분만 더'를 재생할 수 있다. 현재 재생 중인 노래를 5분만 더 들려 달라는 의미로 발화한 사용자는 전자 장치(801)의 동작에 대하여 불만을 가질 수 있다.
도 8b를 참조하면, 일 실시예에 따른 전자 장치(501)(예: 도 1의 전자 장치(101), 도 2의 전자 장치(201))는 언어 모델에 기초하여 발화(예: "5분만 더 들려줘")의 중의성을 검증할 수 있다. 동작 821 내지 825는 전자 장치(501)의 프로세서(520)(예: 도 1의 프로세서(120), 도 2의 프로세서(203))에서 수행되는 것으로 이해될 수 있다. 이하 실시예에서 각 동작들은 순차적으로 수행될 수도 있으나, 반드시 순차적으로 수행되는 것은 아니다. 예를 들어, 각 동작들의 순서가 변경될 수도 있으며, 적어도 두 동작들이 병렬적으로 수행될 수도 있다.
일 실시예에 따르면, 동작 821에서, 프로세서(520)는 음성 인식을 수행할 수 있다. 즉, 프로세서(520)는 전자 장치(501)로부터 수신된 음성 입력(예: “5분만 더 들려줘”)과 관련된 데이터(예: 음성 신호)를 텍스트 데이터로 변환할 수 있다.
일 실시예에 따르면, 동작 822에서, 프로세서(520)는 발화(예: 텍스트 데이터 형태로 변환된 사용자 발화) 의도 분류를 수행할 수 있다. 즉, 프로세서(520)는 사용자 발화에 대응되는 제1 의도 정보(예: PlaySong(5분만 더_SongTitle))를 획득할 수 있다.
일 실시예에 따르면, 동작 823에서, 프로세서(520)는 발화의 중의성 검증을 수행할 수 있다. 즉, 프로세서(520)는 언어 모델(예: general LM(533), task-oriented LM(534))을 포함하는 복수의 중의성 검증 모듈(예: 제1 중의성 검증 모듈(531), 제2 중의성 검증 모듈(532)) 각각에 기초하여, 텍스트 데이터 및 의도 정보로부터 복수의 중의성 지표값(예: 제1 중의성 검증 모듈(531)이 출력한 0.21, 제2 중의성 검증 모듈(532)이 출력한 0.76)을 획득할 수 있다. 중의성 지표값은 각각의 언어 모델의 학습 데이터와 텍스트 데이터(예: 발화에 대응하는 텍스트 데이터)의 유사도를 나타내는 것일 수 있다. 프로세서(520)는 중의성 지표값(예: 제2 중의성 검증 모듈(532)이 출력한 0.76)이 임계값(예: 0.7)보다 높으므로 발화가 중의성을 내포하고 있다고 판단할 수 있다.
일 실시예에 따르면, 동작 824에서, 프로세서(520)는 발화 의도 재분류를 수행할 수 있다. 프로세서(520)는 사용자 발화에 대응되는 적어도 하나의 제2 의도 정보(예: PlayDuration(5min), PlaySong(5분만 더_SongTitle))를 획득할 수 있다. 동작 824는 생략될 수도 있다. 프로세서(520)가 발화가 중의성을 내포하고 있다고 판단한 경우, 프로세서(520)는 동작 822의 의도 분류 수행시 획득된 다른 의도 정보들(예: 제1 의도 정보와는 상이한, 의도 정보 후보들)을 동작 825에서 선별할 수 있다.
일 실시예에 따르면, 동작 825에서, 프로세서(520)는 발화 의도 선별을 수행할 수 있다. 프로세서(520)는 적어도 하나의 제2 의도 정보(예: 제1 의도 정보 및/또는 제2 의도 정보) 중에서 선별된 의도 정보(예: PlayDuration(5min))를 이용하여 사용자에게 응답을 제공할 수 있다. 전자 장치(501)는 선별된 의도 정보(예: PlayDuration(5min))에 기초하여 현재 재생 중인 노래를 5분 더 재생 후 종료할 수 있다.
도 9는 일 실시예에 따른, 전자 장치의 동작 방법의 흐름도를 나타낸다.
동작 910 내지 동작 930은 순차적으로 수행될 수도 있으나, 반드시 순차적으로 수행되는 것은 아니다. 예를 들어, 각 동작(910~930)의 순서가 변경될 수도 있으며, 적어도 두 동작들이 병렬적으로 수행될 수도 있다.
동작 910에서, 프로세서(예: 도 6의 프로세서(520))는 발화를 텍스트 데이터로 변환할 수 있다.
동작 920에서, 프로세서(520)는 언어 모델을 포함하는 복수의 중의성 검증 모듈 각각에 기초하여, 상기 텍스트 데이터로부터 복수의 중의성 지표값을 획득할 수 있다.
동작 930에서, 프로세서(520)는 복수의 중의성 지표값에 기초하여 사용자에게 응답을 제공할 수 있다.
도 10은 일 실시예에 따른, 전자 장치의 동작 방법의 흐름도를 나타낸다.
동작 1010 내지 동작 1030은 순차적으로 수행될 수도 있으나, 반드시 순차적으로 수행되는 것은 아니다. 예를 들어, 각 동작(1010~1030)의 순서가 변경될 수도 있으며, 적어도 두 동작들이 병렬적으로 수행될 수도 있다.
동작 1010에서, 프로세서(예: 도 6의 프로세서(520))는 발화를 텍스트 데이터로 변환할 수 있다.
동작 1020에서, 프로세서(520)는 기본 언어 모델(예: 도 6의 기본 언어 모델(533))을 포함하는 중의성 검증 모듈에 기초하여, 텍스트 데이터로부터 중의성 지표값을 획득할 수 있다.
동작 1030에서, 프로세서(520)는 중의성 지표값에 기초하여 사용자에게 응답을 제공할 수 있다.
일 실시예에 따른 전자 장치(예: 도 1의 전자 장치(101), 도 2의 전자 장치(201), 도 5 및 도 6의 전자 장치(501))는 인스트럭션들을 포함하는 메모리(예: 도 1의 메모리(130), 도 2의 메모리(207), 도 6의 프로세서(520))와 상기 메모리와 전기적으로 연결되고, 상기 인스트럭션들을 실행하기 위한 프로세서(예: 도 1의 프로세서(120), 도 2의 프로세서(203), 도 6의 프로세서(520))를 포함할 수 있다. 상기 프로세서에 의해 상기 인스트럭션들이 실행될 때, 상기 프로세서는 발화를 텍스트 데이터로 변환할 수 있다. 상기 프로세서는 언어 모델을 포함하는 복수의 중의성 검증 모듈 각각에 기초하여, 상기 텍스트 데이터로부터 복수의 중의성 지표값을 획득할 수 있다. 상기 프로세서는 상기 복수의 중의성 지표값에 기초하여 사용자에게 응답을 제공할 수 있다.
일 실시예에 따르면, 상기 복수의 중의성 검증 모듈은 기본 언어 모델을 포함하는 제1 중의성 검증 모듈을 포함할 수 있다. 상기 복수의 중의성 검증 모듈은 task-oriented 발화에 기초하여 학습된 언어 모델을 포함하는 제2 중의성 검증 모듈을 포함할 수 있다.
일 실시예에 따르면, 상기 중의성 지표값은 언어 모델 기반 probability 값, perplexity 값, 또는 uncertainty 값 중 적어도 하나에 기초하여 획득된 것일 수 있다.
일 실시예에 따르면, 상기 프로세서는, 상기 텍스트 데이터에 기초하여 상기 발화에 대응하는 제1 의도 정보를 획득할 수 있다. 상기 복수의 중의성 지표값은 상기 제1 의도 정보 및 상기 텍스트 데이터를 상기 복수의 중의성 검증 모듈에 각각 입력한 결과로써 획득된 것일 수 있다.
일 실시예에 따르면, 상기 프로세서는, 상기 복수의 중의성 지표값 모두가 임계값보다 낮은 경우 상기 발화에 대응하는 제1 의도 정보에 기초하여 사용자에게 응답을 제공할 수 있다. 상기 프로세서는 상기 복수의 중의성 지표값 중 적어도 하나가 임계값보다 높은 경우 상기 발화에 대응하는 적어도 하나의 제2 의도 정보에 기초하여 사용자에게 응답을 제공할 수 있다
일 실시예에 따르면, 상기 적어도 하나의 제2 의도 정보는 n-best 알고리즘에 기초하여 획득된 것일 수 있다.
일 실시예에 따르면, 상기 적어도 하나의 제2 의도 정보는 상기 프로세서가 상기 제1 의도 정보를 제외하고 인텐트 분류를 수행하여 획득된 것일 수 있다.
일 실시예에 따르면, 상기 프로세서는, 사용자 히스토리 또는 외부 데이터베이스에 기초하여 상기 제2 의도 정보 중에서 선별된 의도 정보를 이용하여 상기 사용자에게 응답을 제공할 수 있다.
일 실시예에 따르면, 상기 프로세서는 상기 제2 의도 정보 중 상기 사용자의 선택에 의해 획득된 의도 정보를 이용하여 상기 사용자에게 응답을 제공할 수 있다.
일 실시예에 따른 전자 장치(예: 도 1의 전자 장치(101), 도 2의 전자 장치(201), 도 5 및 도 6의 전자 장치(501))의 동작 방법은 발화를 텍스트 데이터로 변환하는 동작을 포함할 수 있다. 상기 전자 장치의 동작 방법은 언어 모델을 포함하는 복수의 중의성 검증 모듈 각각에 기초하여, 상기 텍스트 데이터로부터 복수의 중의성 지표값을 획득하는 동작을 포함할 수 있다. 상기 전자 장치의 동작 방법은 상기 복수의 중의성 지표값에 기초하여 사용자에게 응답을 제공하는 동작을 포함할 수 있다.
일 실시예에 따르면, 상기 복수의 중의성 검증 모듈은 기본 언어 모델을 포함하는 제1 중의성 검증 모듈을 포함할 수 있다. 상기 복수의 중의성 검증 모듈은 task-oriented 발화에 기초하여 학습된 언어 모델을 포함하는 제2 중의성 검증 모듈을 포함할 수 있다.
일 실시예에 따르면, 상기 중의성 지표값은 언어 모델 기반 probability 값, perplexity 값, 또는 uncertainty 값 중 적어도 하나에 기초하여 획득된 것일 수 있다.
일 실시예에 따르면, 상기 전자 장치의 동작 방법은 상기 텍스트 데이터에 기초하여 상기 발화에 대응하는 제1 의도 정보를 획득하는 동작을 더 포함할 수 있다. 상기 복수의 중의성 지표값은 상기 제1 의도 정보 및 상기 텍스트 데이터를 상기 복수의 중의성 검증 모듈에 각각 입력한 결과로써 획득된 것일 수 있다.
일 실시예에 따르면, 상기 제공하는 동작은 상기 복수의 중의성 지표값 모두가 임계값보다 낮은 경우 상기 발화에 대응하는 제1 의도 정보에 기초하여 사용자에게 응답을 제공하고, 상기 복수의 중의성 지표값 중 적어도 하나가 임계값보다 높은 경우 상기 발화에 대응하는 적어도 하나의 제2 의도 정보에 기초하여 사용자에게 응답을 제공하는 동작을 포함할 수 있다.
일 실시예에 따르면, 상기 적어도 하나의 제2 의도 정보는 n-best 알고리즘에 기초하여 획득된 것일 수 있다.
일 실시예에 따르면, 상기 적어도 하나의 제2 의도 정보는 상기 제1 의도 정보를 제외하고 인텐트 분류를 수행하여 획득된 것일 수 있다.
일 실시예에 따르면, 상기 적어도 하나의 제2 의도 정보에 기초하여 사용자에게 응답을 제공하는 동작은, 사용자 히스토리 또는 외부 데이터베이스에 기초하여 상기 제2 의도 정보 중에서 선별된 의도 정보를 이용하여 상기 사용자에게 응답을 제공하는 동작을 포함할 수 있다.
일 실시예에 따르면, 상기 적어도 하나의 제2 의도 정보에 기초하여 사용자에게 응답을 제공하는 동작은 상기 제2 의도 정보 중 상기 사용자의 선택에 의해 획득된 의도 정보를 이용하여 상기 사용자에게 응답을 제공하는 동작을 포함할 수 있다.
일 실시예에 따른 전자 장치(예: 도 1의 전자 장치(101), 도 2의 전자 장치(201), 도 5 및 도 6의 전자 장치(501))는 인스트럭션들을 포함하는 메모리(예: 도 1의 메모리(130), 도 2의 메모리(207), 도 6의 프로세서(530))와 상기 메모리와 전기적으로 연결되고, 상기 인스트럭션들을 실행하기 위한 프로세서(예: 도 1의 프로세서(120), 도 2의 프로세서(203), 도 6의 프로세서(520))를 포함할 수 있다. 상기 프로세서에 의해 상기 인스트럭션들이 실행될 때, 상기 프로세서는 발화를 텍스트 데이터로 변환할 수 있다. 상기 프로세서는 기본 언어 모델을 포함하는 중의성 검증 모듈 각각에 기초하여, 상기 텍스트 데이터로부터 중의성 지표값을 획득할 수 있다. 상기 프로세서는 상기 중의성 지표값에 기초하여 사용자에게 응답을 제공할 수 있다.
일 실시예에 따르면, 상기 중의성 지표값은 언어 모델 기반 probability 값, perplexity 값, 또는 uncertainty 값 중 적어도 하나에 기초하여 획득된 것일 수 있다.
본 문서에 개시된 일 실시예에 따른 전자 장치는 다양한 형태의 장치가 될 수 있다. 전자 장치는, 예를 들면, 휴대용 통신 장치(예: 스마트폰), 컴퓨터 장치, 휴대용 멀티미디어 장치, 휴대용 의료 기기, 카메라, 웨어러블 장치, 또는 가전 장치를 포함할 수 있다. 본 문서의 실시예에 따른 전자 장치는 전술한 기기들에 한정되지 않는다.
본 문서의 일 실시예 및 이에 사용된 용어들은 본 문서에 기재된 기술적 특징들을 특정한 실시예들로 한정하려는 것이 아니며, 해당 실시예의 다양한 변경, 균등물, 또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 또는 관련된 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 아이템에 대응하는 명사의 단수 형은 관련된 문맥상 명백하게 다르게 지시하지 않는 한, 상기 아이템 한 개 또는 복수 개를 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및 B 중 적어도 하나", "A 또는 B 중 적어도 하나", "A, B 또는 C", "A, B 및 C 중 적어도 하나", 및 "A, B, 또는 C 중 적어도 하나"와 같은 문구들 각각은 그 문구들 중 해당하는 문구에 함께 나열된 항목들 중 어느 하나, 또는 그들의 모든 가능한 조합을 포함할 수 있다. "제 1", "제 2", 또는 "첫째" 또는 "둘째"와 같은 용어들은 단순히 해당 구성요소를 다른 해당 구성요소와 구분하기 위해 사용될 수 있으며, 해당 구성요소들을 다른 측면(예: 중요성 또는 순서)에서 한정하지 않는다. 어떤(예: 제 1) 구성요소가 다른(예: 제 2) 구성요소에, "기능적으로" 또는 "통신적으로"라는 용어와 함께 또는 이런 용어 없이, "커플드" 또는 "커넥티드"라고 언급된 경우, 그것은 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로(예: 유선으로), 무선으로, 또는 제 3 구성요소를 통하여 연결될 수 있다는 것을 의미한다.
본 문서의 일 실시예에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구현된 유닛을 포함할 수 있으며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로와 같은 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는, 상기 부품의 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 일실시예에 따르면, 모듈은 ASIC(application-specific integrated circuit)의 형태로 구현될 수 있다.
본 문서의 일 실시예는 기기(machine)(예: 전자 장치) 의해 읽을 수 있는 저장 매체(storage medium)(예: 내장 메모리 또는 외장 메모리)에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어(예: 프로그램)로서 구현될 수 있다. 예를 들면, 기기(예: 전자 장치)의 프로세서(예: 프로세서)는, 저장 매체로부터 저장된 하나 이상의 명령어들 중 적어도 하나의 명령을 호출하고, 그것을 실행할 수 있다. 이것은 기기가 상기 호출된 적어도 하나의 명령어에 따라 적어도 하나의 기능을 수행하도록 운영되는 것을 가능하게 한다. 상기 하나 이상의 명령어들은 컴파일러에 의해 생성된 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장 매체는, 비일시적(non-transitory) 저장 매체의 형태로 제공될 수 있다. 여기서, ‘비일시적’은 저장 매체가 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장 매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다.
일실시예에 따르면, 본 문서에 개시된 일 실시예에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory(CD-ROM))의 형태로 배포되거나, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 또는 두 개의 사용자 장치들(예: 스마트 폰들) 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 기기로 읽을 수 있는 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.
일 실시예에 따르면, 상기 기술한 구성요소들의 각각의 구성요소(예: 모듈 또는 프로그램)는 단수 또는 복수의 개체를 포함할 수 있으며, 복수의 개체 중 일부는 다른 구성요소에 분리 배치될 수도 있다. 일 실시예에 따르면, 전술한 해당 구성요소들 중 하나 이상의 구성요소들 또는 동작들이 생략되거나, 또는 하나 이상의 다른 구성요소들 또는 동작들이 추가될 수 있다. 대체적으로 또는 추가적으로, 복수의 구성요소들(예: 모듈 또는 프로그램)은 하나의 구성요소로 통합될 수 있다. 이런 경우, 통합된 구성요소는 상기 복수의 구성요소들 각각의 구성요소의 하나 이상의 기능들을 상기 통합 이전에 상기 복수의 구성요소들 중 해당 구성요소에 의해 수행되는 것과 동일 또는 유사하게 수행할 수 있다. 일 실시예에 따르면, 모듈, 프로그램 또는 다른 구성요소에 의해 수행되는 동작들은 순차적으로, 병렬적으로, 반복적으로, 또는 휴리스틱하게 실행되거나, 상기 동작들 중 하나 이상이 다른 순서로 실행되거나, 생략되거나, 또는 하나 이상의 다른 동작들이 추가될 수 있다.

Claims (15)

  1. 전자 장치(101; 201; 501)에 있어서,
    인스트럭션들을 포함하는 메모리(130; 207; 530); 및
    상기 메모리(130; 207; 530)와 전기적으로 연결되고, 상기 인스트럭션들을 실행하기 위한 프로세서(120; 203; 520)를 포함하고,
    상기 프로세서에 의해 상기 인스트럭션들이 실행될 때, 상기 프로세서(120; 203; 520)는,
    발화를 텍스트 데이터로 변환하고,
    언어 모델(533; 534)을 포함하는 복수의 중의성 검증 모듈(531; 532) 각각에 기초하여, 상기 텍스트 데이터로부터 복수의 중의성 지표값을 획득하고,
    상기 복수의 중의성 지표값에 기초하여 사용자에게 응답을 제공하는,
    전자 장치(101; 201; 501).
  2. 제1항에 있어서,
    상기 복수의 중의성 검증 모듈(531; 532)은,
    기본 언어 모델(533)을 포함하는 제1 중의성 검증 모듈(531); 및
    task-oriented 발화에 기초하여 학습된 task-oriented 언어 모델(534)을 포함하는 제2 중의성 검증 모듈(532)
    을 포함하는, 전자 장치(101; 201; 501).
  3. 제1항 및 제2항 중 어느 한 항에 있어서,
    상기 중의성 지표값은,
    언어 모델 기반 probability 값, perplexity 값, 또는 uncertainty 값 중 적어도 하나에 기초하여 획득된 것인,
    전자 장치(101; 201; 501).
  4. 제1항 내지 제3항 중 어느 한 항에 있어서,
    상기 프로세서(120; 203; 520)는,
    상기 텍스트 데이터에 기초하여 상기 발화에 대응하는 제1 의도 정보를 획득하고,
    상기 복수의 중의성 지표값은,
    상기 제1 의도 정보 및 상기 텍스트 데이터를 상기 복수의 중의성 검증 모듈(531; 532)에 각각 입력한 결과로써 획득된 것인,
    전자 장치(101; 201; 501).
  5. 제1항 내지 제4항 중 어느 한 항에 있어서,
    상기 프로세서(120; 203; 520)는,
    상기 복수의 중의성 지표값 모두가 임계값보다 낮은 경우 상기 발화에 대응하는 제1 의도 정보에 기초하여 사용자에게 응답을 제공하고,
    상기 복수의 중의성 지표값 중 적어도 하나가 임계값보다 높은 경우 상기 발화에 대응하는 적어도 하나의 제2 의도 정보에 기초하여 사용자에게 응답을 제공하는,
    전자 장치(101; 201; 501).
  6. 제1항 내지 제5항 중 어느 한 항에 있어서,
    상기 적어도 하나의 제2 의도 정보는,
    n-best 알고리즘에 기초하여 획득된 것인,
    전자 장치(101; 201; 501).
  7. 제1항 내지 제6항 중 어느 한 항에 있어서,
    상기 적어도 하나의 제2 의도 정보는,
    상기 프로세서(120; 203; 520)가 상기 제1 의도 정보를 제외하고 인텐트 분류를 수행하여 획득된 것인,
    전자 장치(101; 201; 501).
  8. 제1항 내지 제7항 중 어느 한 항에 있어서,
    상기 프로세서(120; 203; 520)는,
    사용자 히스토리 또는 외부 데이터베이스에 기초하여 상기 제2 의도 정보 중에서 선별된 의도 정보를 이용하여 상기 사용자에게 응답을 제공하는,
    전자 장치(101; 201; 501).
  9. 제1항 내지 제8항 중 어느 한 항에 있어서,
    상기 프로세서(120; 203; 520)는,
    상기 제2 의도 정보 중 상기 사용자의 선택에 의해 획득된 의도 정보를 이용하여 상기 사용자에게 응답을 제공하는,
    전자 장치(101; 201; 501).
  10. 전자 장치(101; 201; 501)의 동작 방법에 있어서,
    발화를 텍스트 데이터로 변환하는 동작;
    언어 모델(533; 534)을 포함하는 복수의 중의성 검증 모듈(531; 532) 각각에 기초하여, 상기 텍스트 데이터로부터 복수의 중의성 지표값을 획득하는 동작; 및
    상기 복수의 중의성 지표값에 기초하여 사용자에게 응답을 제공하는 동작
    을 포함하는, 전자 장치(101; 201; 501)의 동작 방법.
  11. 제10항에 있어서,
    상기 복수의 중의성 검증 모듈(531, 532)은,
    기본 언어 모델(533)을 포함하는 제1 중의성 검증 모듈(531); 및
    task-oriented 발화에 기초하여 학습된 task-oriented 언어 모델(534)을 포함하는 제2 중의성 검증 모듈(532)
    을 포함하는, 전자 장치(101; 201; 501)의 동작 방법.
  12. 제10항 및 제11항 중 어느 한 항에 있어서,
    상기 중의성 지표값은,
    언어 모델 기반 probability 값, perplexity 값, 또는 uncertainty 값 중 적어도 하나에 기초하여 획득된 것인,
    전자 장치(101; 201; 501)의 동작 방법.
  13. 제10항 내지 제12항 중 어느 한 항에 있어서,
    상기 텍스트 데이터에 기초하여 상기 발화에 대응하는 제1 의도 정보를 획득하는 동작
    을 더 포함하고,
    상기 복수의 중의성 지표값은,
    상기 제1 의도 정보 및 상기 텍스트 데이터를 상기 복수의 중의성 검증 모듈(531; 532)에 각각 입력한 결과로써 획득된 것인,
    전자 장치(101; 201; 501)의 동작 방법.
  14. 전자 장치(101; 201; 501)에 있어서,
    인스트럭션들을 포함하는 메모리(130; 207; 530); 및
    상기 메모리(130; 207; 530)와 전기적으로 연결되고, 상기 인스트럭션들을 실행하기 위한 프로세서(120; 203; 520)를 포함하고,
    상기 프로세서에 의해 상기 인스트럭션들이 실행될 때, 상기 프로세서(120; 203; 520)는,
    발화를 텍스트 데이터로 변환하고,
    기본 언어 모델(533)을 포함하는 중의성 검증 모듈(531)에 기초하여, 상기 텍스트 데이터로부터 중의성 지표값을 획득하고,
    상기 중의성 지표값에 기초하여 사용자에게 응답을 제공하는,
    전자 장치(101; 201; 501).
  15. 제14항에 있어서,
    상기 중의성 지표값은,
    상기 기본 언어 모델(533) 기반 probability 값, perplexity 값, 또는 uncertainty 값 중 적어도 하나에 기초하여 획득된 것인,
    전자 장치(101; 201; 501).
PCT/KR2023/011011 2022-08-05 2023-07-28 언어 모델에 기초하여 사용자 발화를 처리하는 방법 및 전자 장치 WO2024029850A1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US18/407,347 US20240143920A1 (en) 2022-08-05 2024-01-08 Method and electronic device for processing user utterance based on language model

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
KR20220098095 2022-08-05
KR10-2022-0098095 2022-08-05
KR1020220113527A KR20240020141A (ko) 2022-08-05 2022-09-07 언어 모델에 기초하여 사용자 발화를 처리하는 방법 및 전자 장치
KR10-2022-0113527 2022-09-07

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US18/407,347 Continuation US20240143920A1 (en) 2022-08-05 2024-01-08 Method and electronic device for processing user utterance based on language model

Publications (1)

Publication Number Publication Date
WO2024029850A1 true WO2024029850A1 (ko) 2024-02-08

Family

ID=89849285

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2023/011011 WO2024029850A1 (ko) 2022-08-05 2023-07-28 언어 모델에 기초하여 사용자 발화를 처리하는 방법 및 전자 장치

Country Status (2)

Country Link
US (1) US20240143920A1 (ko)
WO (1) WO2024029850A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101667006B1 (ko) * 2010-01-22 2016-10-24 구글 인코포레이티드 음성 명령의 다차원 명확화
KR101741734B1 (ko) * 2008-07-02 2017-06-15 구글 인코포레이티드 병렬 인식 태스크에 따른 음성 인식
KR20190122457A (ko) * 2018-04-20 2019-10-30 삼성전자주식회사 음성 인식을 수행하는 전자 장치 및 전자 장치의 동작 방법
KR102198265B1 (ko) * 2018-03-09 2021-01-04 강원대학교 산학협력단 신경망을 이용한 사용자 의도분석 시스템 및 방법
KR102281515B1 (ko) * 2019-07-23 2021-07-26 엘지전자 주식회사 개인화 언어 모델을 이용하여 사용자의 음성을 인식하는 인공 지능 장치 및 그 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101741734B1 (ko) * 2008-07-02 2017-06-15 구글 인코포레이티드 병렬 인식 태스크에 따른 음성 인식
KR101667006B1 (ko) * 2010-01-22 2016-10-24 구글 인코포레이티드 음성 명령의 다차원 명확화
KR102198265B1 (ko) * 2018-03-09 2021-01-04 강원대학교 산학협력단 신경망을 이용한 사용자 의도분석 시스템 및 방법
KR20190122457A (ko) * 2018-04-20 2019-10-30 삼성전자주식회사 음성 인식을 수행하는 전자 장치 및 전자 장치의 동작 방법
KR102281515B1 (ko) * 2019-07-23 2021-07-26 엘지전자 주식회사 개인화 언어 모델을 이용하여 사용자의 음성을 인식하는 인공 지능 장치 및 그 방법

Also Published As

Publication number Publication date
US20240143920A1 (en) 2024-05-02

Similar Documents

Publication Publication Date Title
WO2022019538A1 (ko) 언어 모델 및 이를 포함하는 전자 장치
WO2022191395A1 (ko) 사용자 명령을 처리하는 장치 및 그 동작 방법
WO2022139420A1 (ko) 전자 장치 및 그의 연속성을 가지는 사용자 입력에 대한 실행 정보를 공유하는 방법
WO2022131566A1 (ko) 전자 장치 및 전자 장치의 동작 방법
WO2024029850A1 (ko) 언어 모델에 기초하여 사용자 발화를 처리하는 방법 및 전자 장치
WO2024072036A1 (ko) 음성인식 장치 및 음성인식 장치의 동작방법
WO2024106913A1 (ko) 발화를 처리하기 위한 전자 장치, 그 동작 방법 및 저장 매체
WO2023177051A1 (ko) 증강된 문장 후보에 기반하여 사용자 발화를 처리하는 방법 및 전자 장치
WO2024058597A1 (ko) 전자 장치 및 사용자 발화 처리 방법
WO2023177079A1 (ko) 합성 벡터에 기반하여 사용자 발화를 처리하는 서버, 전자 장치, 및 이의 동작 방법
WO2024029851A1 (ko) 전자 장치 및 음성 인식 방법
WO2022177165A1 (ko) 음성 인식 결과를 분석하는 전자 장치 및 방법
WO2024029845A1 (ko) 전자 장치 및 이의 음성 인식 방법
WO2023058944A1 (ko) 전자 장치 및 응답 제공 방법
WO2023048379A1 (ko) 사용자 발화를 처리하는 서버, 전자 장치 및 그의 동작 방법
WO2024039191A1 (ko) 전자 장치 및 사용자 발화 처리 방법
WO2023149644A1 (ko) 전자 장치 및 사용자 언어 모델 생성 방법
WO2023113404A1 (ko) 사용자 데이터를 이용한 음성 인식 서비스를 제공하는 전자 장치 및 이의 동작 방법
WO2022182038A1 (ko) 음성 명령 처리 장치 및 방법
WO2024058524A1 (ko) 오거부 판단 방법 및 이를 수행하는 전자 장치
WO2022196994A1 (ko) 개인화 텍스트 투 스피치 모듈을 포함하는 전자 장치 및 이의 제어 방법
WO2024029875A1 (ko) 전자 장치, 지능형 서버, 및 화자 적응형 음성 인식 방법
WO2024076214A1 (ko) 음성 인식을 수행하는 전자 장치와 이의 동작 방법
WO2023008798A1 (ko) 부적절한 대답을 관리하는 전자 장치 및 이의 동작 방법
WO2024043670A1 (ko) 사용자 발화를 분석하기 위한 방법 및 이를 지원하는 전자 장치

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 23850353

Country of ref document: EP

Kind code of ref document: A1